Python NumPy UFUNC在一个轴上比另一个轴快2倍

我做了一些计算，并测量了UFUNC在不同轴上的性能，以使代码更具性能

In [51]: arr = np.arange(int(1E6)).reshape(int(1E3), -1)

In [52]: %timeit arr.cumsum(axis=1)
2.27 ms ± 10.5 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [53]: %timeit arr.cumsum(axis=0)
4.16 ms ± 10.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

在轴1上几乎比在轴0上快2倍。为什么会这样？幕后发生了什么？很高兴能清楚地理解背后的原因。谢谢

---

更新：经过一番研究后，我意识到如果有人在构建一个应用程序时总是只在某个轴上求和，那么应该按照适当的顺序初始化数组：即axis=1和的C顺序或axis=0和的Fortran顺序，以节省CPU时间

另外：这个优秀的答案对我的帮助很大

这些数组是。因此，当你对轴1求和时，

---

这些数字可以在连续的内存阵列中找到。这允许更好的缓存性能，从而更快地访问内存（参见“”）。我假设这就是你在这里看到的效果。

你有一个正方形数组。看起来是这样的：

1 2 3
4 5 6
7 8 9

1 2 3 4 5 6 7 8 9

1 4 7 2 5 8 3 6 9

但是计算机内存是线性寻址的，所以对于计算机来说，它看起来是这样的：

1 2 3
4 5 6
7 8 9

1 2 3 4 5 6 7 8 9

1 4 7 2 5 8 3 6 9

或者，如果你仔细想想，它可能是这样的：

1 2 3
4 5 6
7 8 9

1 2 3 4 5 6 7 8 9

1 4 7 2 5 8 3 6 9

如果您尝试求和

[1 2 3]

或

[4 5 6]

（一行），则第一个布局会更快。如果您尝试求和

[1 4 7]

或

[2 5 8]

，则第二种布局速度更快

这是因为从内存加载数据一次只发生一条“缓存线”，通常为64字节（8个值，NumPy的默认数据类型为8字节浮点）

您可以使用

order

参数控制在构造数组时NumPy使用的布局

---

有关这方面的更多信息，请参阅：

实际上，性能将取决于内存中阵列的顺序：

In [36]: arr = np.arange(int(1E6)).reshape(int(1E3), -1)

In [37]: arrf = np.asfortranarray(arr) # change order

In [38]: %timeit arr.cumsum(axis=1)
1.99 ms ± 32.6 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [39]: %timeit arr.cumsum(axis=0)
14.6 ms ± 229 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [41]: %timeit arrf.cumsum(axis=0)
1.96 ms ± 19.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [42]: %timeit arrf.cumsum(axis=1)
14.6 ms ± 148 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

---

有关更多详细信息，请参见

我的机器上的对比度更大。我可以想象行求和比缓存更友好。@cᴏʟᴅsᴘᴇᴇᴅ 很可能是这样，因为我在集群上进行了尝试：）。此外，不仅是

sum

几乎所有可以在轴上减少的UFUNC的行为都是相同的