Python 为什么numpy和scipy exp（）比log（）快？

一般来说，log和exp函数的速度应该大致相同。我希望numpy和scipy实现是相对简单的包装器

numpy.log（）。但是，我发现
numpy.log（）
比这些
exp（）
函数慢约60%，而
scipy.log（）
则慢100%。有人知道原因吗？
不知道为什么你认为两者应该“大致相同的速度”。的确，这两种方法都可以用泰勒级数来计算（即使在不分析误差项的情况下，泰勒级数本身也没有什么意义），但随后，数值技巧开始发挥作用

例如，可用于将原始exp.Taylor级数转换为更有效的2阶幂级数。但是，对于幂级数，请参阅关于按情况优化的讨论，其中一些涉及查找表


您为函数提供了哪些参数-相同？每个人最差的一个

结果的准确性如何？你如何衡量每种方法的准确度：绝对的，相对的


编辑应该注意的是，这些库也可以有。
在我的简单测试中，
np.log
快了60%。是的，使用
math.log
和
math.exp
列出理解，给出相同的时间。但是numpy代码（不一定）是一个使用
math
等价物的简单编译循环。为什么您认为log和exp应该“速度大致相同”？