Numpy 转置函数的速度和用例

Question

那么为什么 NumPy 转置.T比np.transpose()快呢？

b = np.arange(10)
#Transpose .T
t=b.reshape(2,5).T
#Transpose function
t = np.transpose(b.reshape(2,5))
#Transpose function without wrapper
t = b.reshape(2,5).transpose()

我在Jupyter中对两者进行了timeit：

%timeit -n 1000 b.reshape(2,5).T
1000 loops, best of 3: 391 ns per loop
%timeit -n 1000 np.transpose(b.reshape(2,5))
1000 loops, best of 3: 600 ns per loop
%timeit -n 1000 b.reshape(2,5).transpose()
1000 loops, best of 3: 422 ns per loop

为了检查缩放性，我做了一个更大的矩阵：

b = np.arange( 100000000)
%timeit -n 1000 b.reshape(10000,10000).T
1000 loops, best of 3: 390 ns per loop
%timeit -n 1000 np.transpose(b.reshape(10000,10000))
1000 loops, best of 3: 611 ns per loop
%timeit -n 1000 b.reshape(10000,10000).transpose()
1000 loops, best of 3: 435 ns per loop

在这两种情况下，.T方法都比包装器快 2 倍，比使用包装器快一点.transpose()这是为什么？ 有没有np.transpose会更好的用例？

Answer 1

一个原因可能是np.transpose(a)只是在内部调用a.transpose()，而a.transpose()更直接。 在源中，您有：

def transpose(a, axes=None):
    return _wrapfunc(a, 'transpose', axes)

反过来_wrapfunc只是：

def _wrapfunc(obj, method, *args, **kwds):
    try:
        return getattr(obj, method)(*args, **kwds)
    except (AttributeError, TypeError):
        return _wrapit(obj, method, *args, **kwds)

在这种情况下，这将映射到getattr(a, 'transpose')。 许多模块级函数使用 _wrapfunc 来访问方法，通常是 ndarray 类或第一个 arg 的类。

(注意：.T 与 .transpose() 相同，只是如果数组具有 <2 维，则返回数组。