基于IPython上的sum（）的执行时间差异

Question

我正在使用IPython的IPcluster引擎进行简单的蒙特卡罗模拟练习。基于我如何定义函数，我注意到执行时间的巨大差异，我正在问这个原因。下面是详细信息：

当我definde任务如下，它是快速：

def sample(n): 
    return (rand(n)**2 + rand(n)**2 <= 1).sum() 

当并行运行：

from IPython.parallel import Client 
rc = Client() 
v = rc[:] 
with v.sync_imports(): 
from numpy.random import rand 
n = 1000000 

timeit -r 1 -n 1 print 4.* sum(v.map_sync(sample, [n]*len(v)))/(n*len(v)) 

3.141712 
1 loops, best of 1: 53.4 ms per loop 

但是，如果我改变的功能：

def sample(n): 
    return sum(rand(n)**2 + rand(n)**2 <= 1) 

我得到：
3.141232 1 l哎呀，最好的1：3.81秒每回路

...这是71时间慢。这可能是什么原因？

Answer 1

我不能太深入，但其原因是因为sum(<array>)是内置的CPython求和函数，而你的<numpy array>.sum()使用的是numpy求和函数，它比内置函数快得多，在python版本。

我想，如果你有numpy.sum(<array>)更换sum(<array>)你会得到类似的结果

看到numpy的总和文档浏览：http://docs.scipy.org/doc/numpy/reference/generated/numpy.sum.html