为什么numpy.ndarray.T比numpy.transpose（numpy.ndarray）快得多？

Question

最近我遇到了一个人使用numpy.transpose而不是numpy.ndarray.T。我很好奇，所以我计时它：

from timeit import timeit 
import numpy as np 

array1015 = np.random.rand(10,15) 

def nptrans(): 
    np.transpose(array1015) 

def npt(): 
    array1015.T 

print(timeit(nptrans)) 
print(timeit(npt)) 

结果为：

np.transpose: 1.25864219666 

np.ndarray.T: 0.720939874649 

为什么？他们不应该在引擎盖下做同样的事吗？也许np.transpose正在做某种错误检查或者减慢它的速度？

Answer 1

首先，操作速度如此之快，如果在那里进行优化并不重要！

%timeit nptrans() # 100000 loops, best of 3: 2.11 µs per loop 
%timeit npt()  # 1000000 loops, best of 3: 905 ns per loop 

对此进行优化是没有意义的，除非您要进行数百万次转置而没有其他操作。即使加入他们是非常非常慢：

%timeit array1015 + array1015 # 100000 loops, best of 3: 3.55 µs per loop 

和另外应该是真的，真的快速！

然而存在一些np.transpose开销不存在于np.ndarray.T：

• np.transpose到底调用对象.transpose -method这意味着它必须查找对象和呼叫的方法它。
• 为了避免重复他们的代码，开发人员在单独的函数中打包了实际调用方法的函数。 =>多一个函数调用。

因此，您看到的开销是2个函数调用和一个getattr-调用的结果。该np.transpose function实际上是蟒蛇，所以你可以很容易地看到开销（我删除评论）：

def transpose(a, axes=None): 
    return _wrapfunc(a, 'transpose', axes) # extra function call 

def _wrapfunc(obj, method, *args, **kwds): 
    try: 
     return getattr(obj, method)(*args, **kwds) # here it finally calls ndarray.transpose() 
    except (AttributeError, TypeError): 
     return _wrapit(obj, method, *args, **kwds)