kształt vs len dla tablicy numpy

Question

Czy jest różnica (w wydajności na przykład) przy porównywaniu shape i len? Rozważmy następujący przykład:

In [1]: import numpy as np 

In [2]: a = np.array([1,2,3,4]) 

In [3]: a.shape 
Out[3]: (4,) 

In [4]: len(a) 
Out[4]: 4 

Szybkie porównanie wykonawczego wynika, że ​​nie ma różnicy:

In [17]: a = np.random.randint(0,10000, size=1000000) 

In [18]: %time a.shape 
CPU times: user 6 µs, sys: 2 µs, total: 8 µs 
Wall time: 13.1 µs 
Out[18]: (1000000,) 

In [19]: %time len(a) 
CPU times: user 5 µs, sys: 1 µs, total: 6 µs 
Wall time: 9.06 µs 
Out[19]: 1000000 

Więc jaka jest różnica i która z nich jest bardziej pythonic? (Domyślam się, używając shape).

Answer 1

Nie martwię się tutaj o wydajność - wszelkie różnice powinny być bardzo marginalne.

powiedziałbym bardziej pythonic alternatywą jest prawdopodobnie taki, który pasuje do Twoich potrzeb ściślej:

a.shape może zawierać więcej informacji niż len(a) ponieważ zawiera rozmiar wzdłuż wszystkich osi natomiast len tylko Zwraca rozmiar wzdłuż pierwsza oś:

>>> a = np.array([[1,2,3,4], [1,2,3,4]]) 
>>> len(a) 
2 
>>> a.shape 
(2L, 4L) 

Jeśli faktycznie zdarzyć pracować tylko z tablic jednowymiarowych, niż ja osobiście faworyzują użyciu len(a) w przypadku gdy wyraźnie potrzeba rozmiar tablicy jest.