我是一名工程研究生，目前正在从MATLAB过渡到Python进行数值模拟。我的印象是，对于基本的数组操作，Numpy会像MATLAB一样快。然而，对于我编写的两个不同的程序，MATLAB的速度似乎是Numpy的两倍。我为Numpy（Python 3.3）使用的测试代码是：
import numpy as np
import time
a = np.random.rand(5000,5000,3)
tic = time.time()
a[:,:,0] = a[:,:,1]
a[:,:,2] = a[:,:,0]
a[:,:,1] = a[:,:,2]
toc = time.time() - tic
print(toc)
而对于MATLAB 2012a，我使用的是：
a = rand(5000,5000,3);
tic;
a(:,:,1) = a(:,:,2);
a(:,:,3) = a(:,:,1);
a(:,:,2) = a(:,:,3);
toc
我使用的算法是美国国家航空航天局网站上使用的比较Numpy和MATLAB的算法。该网站显示，Numpy在该算法的速度方面超过了MATLAB。然而，我的结果显示Numpy的模拟时间为0.49秒，MATLAB的模拟时间则为0.29秒。我还在Numpy和Matlab上运行了高斯-塞德尔解算器，得到了类似的结果（16.5秒对9.5秒）
我是Python的新手，在编程方面不是很精通。我使用的是WinPython 64位Python发行版，但也尝试过Pythonxy，但没有成功。
我读过一件应该可以提高性能的事情，那就是使用MKL构建Numpy。不幸的是，我不知道如何在Windows上做到这一点。我需要这样做吗？
有什么建议吗？
由于缓存，这种比较最终是苹果对桔子的比较，因为在连续的内存块上传输或做一些工作更有效。这个特定的基准测试是内存绑定的，因为实际上不需要进行计算，因此缓存命中率是实现良好性能的关键。
Matlab将数据按列主顺序（Fortran顺序）排列，因此a(:,:,k)是一个连续的内存块，复制速度很快。
Numpy默认为行主顺序（C顺序），因此在a[:,:,k]中，元素之间有很大的跳跃，这会减慢内存传输。实际上，数据布局是可以选择的。在我的笔记本电脑中，用a = np.asfortranarray(np.random.rand(5000,5000,3)) LED创建阵列的速度提高了5倍（1秒vs 0.19秒）。
对于numpy MKL和普通numpy来说，这个结果应该非常相似，因为MKL是一个快速的LAPACK实现，并且在这里你没有调用任何使用它的函数（MKL在求解线性系统、计算点积时肯定有帮助…）。
我真的不知道高斯-塞德尔解算器发生了什么，但不久前，我写了一个题为"Numpy以MATLAB一半的速度运行"的问题的答案，其中谈到了MKL、FFT和MATLAB的JIT。
您正试图重新创建NASA实验，但您已经更改了许多变量。例如：
- 您的硬件和操作系统不同（www.ccs.nasa.gov/dali_front.html）
- 您的Python版本不同（2.5.3与3.3）
- 您的MATLAB版本不同（2008年与2012年）
假设美国国家航空航天局的结果是正确的，结果的差异是由于这些变量中的一个或多个发生了变化。我推荐你：
- 使用SciPy预构建的二进制文件重新测试
- 研究MATLAB相对于这种类型的计算是否有任何改进
此外，您可能会发现此链接很有用。