Performance numpy索引访问与numpy.array.item性能

我已经使用numpy有一段时间了，并使用

index

操作访问数组，就像python列表一样，如下所示：

img=np.零（（640480,3））
img[34,19,2]

然而，在阅读某本书时，我遇到了一些问题和方法。
根据他们的文档，他们提供了性能改进。但是，至少在文档中已经解释了为什么会发生这种情况。

---

有人知道它的原因吗；DR:速度的差异来自于

项所使用的不同类型，
/
项集
以及
[]
运算符更通用的事实。实际上，两者都使用内置的Python解释器
float
类型，而
img[34,19,2]
返回Python对象
np.float64
。此外，
[]
操作符不仅支持直接索引，还支持数组子视图和数组过滤，
项
/
项集
不支持

要完全理解性能差异的原因，应该查看numpy代码
item
和
itemset
方法分别调用和。或者，直接获取和设置数组元素分别调用和

最后两种方法成本稍高，因为它们更通用。事实上，通过查看
array\u toscalar
和
array\u subscript
之间的差异，可以看出前者执行的计算很少，主要调用哪些调用，而后者执行更多的检查和分配，主要调用那些本身执行间接跳转的调用，以最终生成
np.float64
对象

请注意，尽管
item
和
itemset
可以比
[]
操作符更快，但CPython中的numpy直接索引仍然非常慢。Numba可以通过执行本机直接索引大大加快速度。
感谢您的解释。没有注意到索引中不那么通用的方法吗