Python 对于二维数组乘法，为什么for循环比numpy快

考虑以下两个函数，它们基本上是将小序列中的每个数字与大序列中的每个数字相乘，以构建二维数组，然后将数组中的所有值加倍

noloop（）

使用2D numpy数组的直接乘法并返回结果，而

loop（）

使用for循环在

arr1

上迭代并逐渐建立输出数组

import numpy as np

arr1 = np.random.rand(100, 1)
arr2 = np.random.rand(1, 100000)

def noloop():
    return (arr1*arr2)*2

def loop():
    out = np.empty((arr1.size, arr2.size))
    for i in range(arr1.size):
        tmp = (arr1[i]*arr2)*2
        out[i] = tmp.reshape(tmp.size)
    return out

我期望

noloop

即使对于少量迭代也会快得多，但是对于上面的数组大小，

loop

实际上更快：

>>> %timeit noloop()
10 loops, best of 3: 64.7 ms per loop
>>> %timeit loop()
10 loops, best of 3: 41.6 ms per loop

有趣的是，如果我删除两个函数中的

*2

，

noloop

会更快，但只会稍微快一点：

>>> %timeit noloop()
10 loops, best of 3: 29.4 ms per loop
>>> %timeit loop()
10 loops, best of 3: 34.4 ms per loop

---

这些结果有没有一个很好的解释，有没有一种更快的方法来执行相同的任务？

我无法重现您的结果，但我确实发现我可以使用

numpy.multiply

获得相当大的速度（2倍）。通过使用

out

参数，您可以利用内存已经分配的事实，消除

tmp

到

out

的复制

def out_loop():
    out = np.empty((arr1.size, arr2.size))
    for i in range(arr1.size):
        np.multiply(arr1[i], arr2, out=out[i].reshape((1, arr2.size)))
        out[i] *= 2
    return out

在我的机器上的结果：

In [32]: %timeit out_loop()
100 loops, best of 3: 17.7 ms per loop

In [33]: %timeit loop()
10 loops, best of 3: 28.3 ms per loop

---

我得到的

noloop（）

比

loop（）

更快（15%），不管怎样……我在python2和python3上也得到了相反的结果。我得到的

loop

比OP建议的更快（在我的机器上是28%）。Python 3.4.1 | Anaconda 2.1.0，IPython 2.2.0 OP值来自Spyder，即QT IPython控制台。我使用Spyder外部的QT IPython控制台获得相同的结果。奇怪的是，在一个普通的IPython控制台中，

noloop（）

花费的时间和以前一样长（60-70毫秒），而

loop（）

花费的时间比

noloop（）

长了几毫秒，也就是说，比在QT控制台中要慢得多。同样，在我的机器上，

noloop（）

要快约10%。