Python 3.x 为什么linalg.norm比一维numpy阵列的平方和快，而不是二维阵列？

好的，这可能有点深奥，但我正在研究numpy.linalg.norm（X）与numpy.sqrt（numpy.sum（X**2））的相对优点

当我在这两个函数中加入一个n*d矩阵并沿一个轴计算一组平方和时，我惊讶地发现sqrt/sum/**组合的工作速度（非常轻微）比linalg.norm（）快。 然而，我在随后的测试中发现，在单个数组上进行平方和运算时，linalg.norm（）的速度要快得多

下面是一些测试代码和输出（我使用一个定制的timeit（）函数；不用担心）：

和输出：

100*1000, 100 loops
linalg 0:00:00.484933
sumosq 0:00:00.482585
100, 10000 loops
linalg 0:00:00.332493
sumosq 0:00:00.394401

---

这种模式每次都被复制。为什么linalg.norm在矩阵上的效率相对低于数组？

其中

norm

更快，它使用

sqrt（点（x，x））

。当它乘以相同的次数时，它在

sqrt（和（x*x，轴=1））方法上使用一个变量。使用
点
方法调整
轴
和尺寸更困难。
100*1000, 100 loops
linalg 0:00:00.484933
sumosq 0:00:00.482585
100, 10000 loops
linalg 0:00:00.332493
sumosq 0:00:00.394401