numpy vs非数值数据列表

Question

用于数字数据的Numpy数组显然工作得很好，但将它们用于非数值数据会更慢吗？

例如，说我有文本数据的一些嵌套列表：

mammals = ['dog', 'cat', 'rat'] 
birds = ['stork', 'robin', 'penguin'] 

animals1 = [mammals, birds] 

当访问和操作这个数据是嵌套列表将是比numpy的阵列相当于更快的这个名单？

import numpy as np 
animals2 = np.array(animals1) 

由于numpy的阵列被实现为“跨距”的阵列，其中每个元件具有固定的长度，与一些长串将占用的存储器的量不成比例串的“疏”列表中，如果转换为numpy的阵列。但速度呢？

Answer 1

正如@JoshAdel指出的那样，您应该熟悉timeit module。我相信你在问这个比较：

>>> import timeit 
>>> timeit.timeit('[[x.upper() for x in y] * 10000 for y in animals1]', setup="mammals = ['dog', 'cat', 'rat']\nbirds = ['stork', 'robin', 'penguin']\nanimals1 = [mammals, birds]", number=10000) 
1.7549941045438686 
>>> timeit.timeit("numpy.char.upper(animals2)", setup="import numpy\nmammals = ['dog', 'cat', 'rat']\nbirds = ['stork', 'robin', 'penguin']\nanimals1 = [mammals, birds] * 10000\nanimals2=numpy.array(animals1)", number=10000) 
221.09816223832195 

我根据你的评论更新了测试。这个问题很好，但你可能只需要用numpy.char来尝试一些其他的操作来找出它的表现。源文件指向带_vec_string函数的.pyd（dll类型）文件。

很明显，这两个cod代码片段之间有一个区别，numpy比python执行.upper()字符串方法执行numpy.char.upper()操作要长100倍。

timeit对于像这样的小代码片段使用非常简单。