Python 条件下的numpy数组访问速度比具有直接值的条件慢得多

在对代码进行一些优化时，我注意到以下速度影响

在这种情况下，numpy阵列的访问速度似乎非常慢：

print(timeit("i = k[5,5]", setup="import numpy as np; k = np.ndarray((13,17), np.int8)", number=10000000))
print(timeit("i = k; -1 < i", setup="k = 2", number=10000000))
print(timeit("i = k[5,5]; -1 < i", setup="import numpy as np; k = np.ndarray((13,17), np.int8); k[5,5] = 2", number=10000000))

我的问题是:

1。为什么第三次手术比第一次和第二次手术要花这么长时间？在这一点上有没有办法提高性能？

我预料到，复杂性不知何故是第一种和第二种情况的叠加

2。类似的奇怪事情发生在下面的例子中。为什么转换为布尔值和真/假检查要快得多？

print(timeit("not k[5,5]", setup="import numpy as np; k = np.ndarray((13,17), np.int8); k[5,5] = 0", number=10000000))
print(timeit("k[5,5] == 0", setup="import numpy as np; k = np.ndarray((13,17), np.int8); k[5,5] = 0", number=10000000))

输出：

1.711371619476168
23.579222465618702

---

除非我遗漏了什么，否则您所介绍的任何内容都不表明索引有什么慢的地方，只是关于涉及np.int8（可能还有其他类型）的比较。是什么让你认为涉及到数组访问？部分原因是比较

numpy

数字类型，比如

np.int8

或

np.int32

或你所拥有的其他类型，与Python

int

s或

float

s，甚至两种不同的

numpy

数字进行比较会很慢。比较：

timeit（“1==i”，“导入numpy作为np；i=np.int32（1）”）

到

timeit（“j==i”，“导入numpy作为np；i=np.int32（1）；j=np.int32（5）”）

@juanpa.arrivillaga谢谢，这是解决方案。我没有意识到，我比较了不同的类型。你的榜样很有魅力。：）@DSM我只是误解了那里发生的事情。我认为

-1

和

-1<2

之间的区别只是数组索引。

1.711371619476168
23.579222465618702