为什么我的Python NumPy代码比C ++快？

为什么我的Python NumPy代码比C ++快？

我发现这个问题很有趣，因为每次遇到类似NumPy速度的主题（与C / C
++相比）时，总会有类似“它是一个薄包装纸，它的核心是用C编写的，所以很胖”的答案，但这没有解释为什么C应该比带有附加层（甚至是薄层）的C慢。

答案是： 正确编译后，您的C ++代码不会比Python代码慢 。

我已经做了一些基准测试，起初似乎NumPy出奇地快。但是我忘记了使用GCC优化编译。

我再次计算了所有内容，还将结果与纯C版本的代码进行了比较。我正在使用GCC版本4.9.2和Python
2.7.9（从具有相同GCC的源代码编译）。编译我用过的C 代码

g++ -O3 main.cpp -o main

，编译我用过的C代码

gcc -O3main.c -lm -o main

。在所有示例中，我都会

data

用一些数字（0.1、0.4）填充变量，因为它会改变结果。我也将
np.arrays 更改为使用doubles（

dtype=np.float64

），因为C
示例中存在double。我的代码的纯C版本（类似）：

#include <math.h>#include <stdio.h>#include <time.h>const int k_max = 100000;const int N = 10000;int main(void){    clock_t t_start, t_end;    double data1[N], data2[N], coefs1[k_max], coefs2[k_max], seconds;    int z;    for( z = 0; z < N; z++ )    {        data1[z] = 0.1;        data2[z] = 0.4;    }    int i, j;    t_start = clock();    for( i = 0; i < k_max; i++ )    {        for( j = 0; j < N-1; j++ )        { coefs1[i] += data2[j] * (cos((i+1) * data1[j]) - cos((i+1) * data1[j+1])); coefs2[i] += data2[j] * (sin((i+1) * data1[j]) - sin((i+1) * data1[j+1]));        }    }    t_end = clock();    seconds = (double)(t_end - t_start) / CLOCKS_PER_SEC;    printf("Time: %f sn", seconds);    return coefs1[0];}

对于

k_max = 100000, N = 10000

以下结果：

• Python 70.284362秒
• C ++ 69.133199秒
• C 61.638186 s

Python和C 基本上具有相同的时间，但请注意，存在一个长度为k_max的Python循环，与C / C 相比，它应该慢得多。是的。

因为

k_max = 1000000, N = 1000

我们有：

• Python 115.42766秒
• C ++ 70.781380秒

对于

k_max = 1000000, N = 100

：

• Python 52.86826秒
• C ++ 7.050597秒

因此，差异随分数增加

k_max/N

，但是python甚至

N

比python快得多

k_max

，例如，速度也不快

k_max = 100, N =100000

：

• Python 0.651587秒
• C ++ 0.568518秒

显然，C / C
++和Python之间的主要速度差异在于

for

循环。但是我想找出在NumPy和C中对数组进行简单 *** 作之间的区别。在代码中使用NumPy的优点包括：1.将整个数组乘以一个数字，2.计算整个数组的sin
/ cos， 3.对数组的所有元素求和，而不是分别对每个单个项目执行这些 *** 作。因此，我准备了两个脚本来仅比较这些 *** 作。

Python脚本：

import numpy as npfrom time import timeN = 10000x_len = 100000def main():    x = np.ones(x_len, dtype=np.float64) * 1.2345    start = time()    for i in xrange(N):        y1 = np.cos(x, dtype=np.float64)    end = time()    print('cos: {} s'.format(end-start))    start = time()    for i in xrange(N):        y2 = x * 7.9463    end = time()    print('multi: {} s'.format(end-start))    start = time()    for i in xrange(N):        res = np.sum(x, dtype=np.float64)    end = time()    print('sum: {} s'.format(end-start))    return y1, y2, resif __name__ == '__main__':    main()# results# cos: 22.7199969292 s# multi: 0.841291189194 s# sum: 1.15971088409 s

C脚本：

#include <math.h>#include <stdio.h>#include <time.h>const int N = 10000;const int x_len = 100000;int main(){    clock_t t_start, t_end;    double x[x_len], y1[x_len], y2[x_len], res, time;    int i, j;    for( i = 0; i < x_len; i++ )    {        x[i] = 1.2345;    }    t_start = clock();    for( j = 0; j < N; j++ )    {        for( i = 0; i < x_len; i++ )        { y1[i] = cos(x[i]);        }    }    t_end = clock();    time = (double)(t_end - t_start) / CLOCKS_PER_SEC;    printf("cos: %f sn", time);    t_start = clock();    for( j = 0; j < N; j++ )    {        for( i = 0; i < x_len; i++ )        { y2[i] = x[i] * 7.9463;        }    }    t_end = clock();    time = (double)(t_end - t_start) / CLOCKS_PER_SEC;    printf("multi: %f sn", time);    t_start = clock();    for( j = 0; j < N; j++ )    {        res = 0.0;        for( i = 0; i < x_len; i++ )        { res += x[i];        }    }    t_end = clock();    time = (double)(t_end - t_start) / CLOCKS_PER_SEC;    printf("sum: %f sn", time);    return y1[0], y2[0], res;}// results// cos: 20.910590 s// multi: 0.633281 s// sum: 1.153001 s

Python结果：

• cos：22.7199969292 s
• 多：0.841291189194 s
• 总和：1.15971088409 s

C结果：

• cos：20.910590 s
• 多：0.633281 s
• 总和：1.153001 s

如您所见，NumPy的速度非常快，但始终比纯C慢一些。