为什么是numpy'；s cumsum比手动C++'；s循环？ 我试图理解为什么NUMPY的功能比手动的C++循环快得多。我使用pybind提供从C++代码到python的映射

首先是数字：

[24]中的[nav]：x=np.arange（100_000，dtype=np.float32） [25]中的[nav]：%timeit np.cumsum（x） 每个回路295µs±34.9µs（7次运行的平均值±标准偏差，每个1000个回路） [26]中的[ins]：%timeit-derived.cumsum（x） 每个回路9.26 ms±137µs（7次运行的平均±标准偏差，每个100个回路） 那么

是如何导出的呢？cumsum（x）

是如何获得的

模板
内联py:：数组作为pyarray（序列和序列）{
自动大小=顺序大小（）；
自动数据=顺序数据（）；
自动顺序ptr=std:：make_unique（std:：move（seq））；
auto capsule=py:：capsule（seq_ptr.get（），[]（void*p）{
标准：：唯一性（重新解释铸造（p））；
});
序号ptr.release（）；
返回py：：数组（大小、数据、胶囊）；
}
标准：：向量总和（常数标准：：向量和nums）{
向量结果（nums.size（））；
浮点数和=0；
对于（size_t i=0；i

<代码> ASypyRAMPARE/COMPUTE是从pyBIN问题中获得的，它保证了Python和C++之间的零拷贝。

---

<>注意，C++代码是用<代码> -O3-DNDUG-FPIC编译的。

< P>问题是在CUMUTHON的论证中。代码>常量std:：vector&仍在进行相当昂贵的复制。直接将

py:：array\t

作为参数可以解决此问题

---

更多详细信息见：

此外，为循环的每个迭代计算

nums.size（）

似乎效率低下。尝试在循环之前将其分配给

size\t

变量，并在测试中使用它。我对Python了解不多，所以不能说：Python是否使用单精度

float

数据？在C++中，在某些平台上，存储和读取这样的<代码>浮点数据比在代码>双< /代码>数据上的操作慢得多。这没有任何意义。一个手动的C++循环——老实说，也许这就是你的问题的答案。也许numpy版本的作者做的事情与手动循环不同，或者效率更高。它可能与所使用的语言无关。@SamVarshavchik当Python确定数组对象不可访问并对其进行GCs时，可能会调用lambda。然后在lambda期间销毁临时

std:：unique_ptr

，并在

p

处释放

序列。它可能是用
delete-reinterpret\u-cast编写的（p），但代码来源的Github线程中的注释表示，编写此版本是为了避免显式的
新建
/
删除
（我认为这没什么用/应该在这里做…但无论如何）。