Zmiana macierzy funkcji numpy na miejscu

Question

Próbuję napisać funkcję, która wykonuje operację matematyczną na tablicy i zwraca wynik. Uproszczony przykład mogą być:

def original_func(A): 
    return A[1:] + A[:-1] 

Aby przyspieszyć i uniknąć przydzielenie nowego układ wyjściowy dla każdego wywołania funkcji, ja jak do macierzy wyjściowej jako argumentu, i zmieniać go w miejscu:

def inplace_func(A, out): 
    out[:] = A[1:] + A[:-1] 

jednak podczas wywoływania tych dwóch funkcji w następujący sposób

A = numpy.random.rand(1000,1000) 
out = numpy.empty((999,1000)) 

C = original_func(A) 

inplace_func(A, out) 

pierwotna funkcja wydaje się być dwukrotnie szybciej jako funkcja lokalna. Jak to wyjaśnić? Czy funkcja lokalna nie powinna być szybsza, ponieważ nie musi przydzielać pamięci?

Answer 1

myślę że odpowiedź jest następująca:

W obu przypadkach obliczyć A[1:] + A[:-1] iw obu przypadkach rzeczywiście stworzyć macierz pośrednią.

Co jednak dzieje się w drugim przypadku, oznacza to, że jawnie skopiuj całą dużą nowo przydzieloną tablicę do zarezerwowanej pamięci. Kopiowanie takiej tablicy zajmuje mniej więcej tyle samo, co oryginalna operacja, więc w rzeczywistości podwoisz czas.

Podsumowując-up, w pierwszym przypadku zrobić:

compute A[1:] + A[:-1] (~10ms) 

W drugim przypadku można zrobić

compute A[1:] + A[:-1] (~10ms) 
copy the result into out (~10ms) 

Answer 2

zgadzam się z Olivers wyjaśnienia. Jeśli chcesz wykonać operację inplace, musisz ręcznie przeprowadzić pętlę w swojej tablicy. Będzie to znacznie wolniejsze, ale jeśli potrzebujesz prędkości, możesz uciekać się do Cythona, który zapewnia szybkość czystej implementacji C.

Answer 3

Jeśli chcesz wykonać operację w miejscu, zrób

 
def inplace_func(A, out): 
    np.add(A[1:], A[:-1], out) 

nie tworzyć żadnych temporaries (które A[1:] + A[:-1]) robi.

Wszystko NumPy operacje binarne mają odpowiednie funkcje, sprawdź listę tutaj: http://docs.scipy.org/doc/numpy/reference/ufuncs.html#available-ufuncs