Python numpy`std的时间性能不一致`

我有一些Python代码，其中包括在

numpy

数组的轴上取标准偏差。通常，我的数组的维数约为

[100500,2]

。我发现，在我的代码中，如果我尝试在

0

th轴上取标准偏差，代码执行得非常慢。i、 e.如果我做了以下事情：

# --------------------------------------------------------------

t1 = time.time()

# Perform standard deviation using numpy function
std_out = np.std(my_array, axis=0, ddof=1)

t2 = time.time()
print(t2-t1)

# --------------------------------------------------------------

我得到大约

0.0034

到

0.0058

秒的输出。但是，如果我分别运行

2

nd轴，如下所示：

# --------------------------------------------------------------

t1 = time.time()

# Initialize empty array
std_out2 = np.zeros(my_array.shape[-2:])

# Perform standard deviation using numpy function on each of the last axis seperately
std_out2[...,0] = np.std(my_array[...,0], axis=0, ddof=1)
std_out2[...,1] = np.std(my_array[...,1], axis=0, ddof=1)

t2 = time.time()
print(t2-t1)

# --------------------------------------------------------------

我得到大约

0.00076

秒的输出。我已经检查过，

std_out

和

std_out 2

是相等的，并且具有相同的数据类型（

np.float64

）。我不明白为什么会这样

更奇怪的是，当我试图生成一个小的工作示例，以便我可以就堆栈溢出提出这个问题时，上述两种方法在时间上表现相同。换句话说，我只在代码嵌入到其他代码中时才观察到时间差。即使我使用上面给出的代码一个接一个地直接运行上述方法，也会发生这种情况

---

我不知道为什么会发生这种情况，我也不知道从哪里开始减少这种糟糕的时间性能。有人知道为什么会这样吗？它可能是由某种形式的内存问题引起的吗？

请注意，

time.time（）

不是用来衡量性能的。你应该使用ipython中的模块

timeit

或

%timeit

魔法。啊，好的，谢谢你-我以前没有意识到这一点！