Python特征值计算比我的计算机上的MATLAB运行得慢得多。为什么？

我想使用Python 2.6.5计算大型ish矩阵（约1000x1000）的特征值。我一直无法这么快做到。我没有发现任何其他线程解决这个问题

当我跑的时候

a = rand(1000,1000);
tic;
for i =1:10
    eig(a);
end
toc;

在MATLAB中，大约需要30秒。Python中的类似测试需要216秒。使用RPy在R中运行它并没有明显加快计算速度。八度音阶测试耗时93秒。我对速度上的差异感到有点困惑

我能在网上找到的像这样的问题的唯一例子是，已经有好几年了。这个问题中的海报有一个不同的Python目录结构（我把它归因于文章的年代，尽管我可能弄错了），因此我没有足够的信心尝试按照通讯员发布的说明进行操作

我的包管理器说我已经安装了LAPACK，我正在使用NumPy和SciPy进行Python计算：

from numpy import *
from scipy import *
from numpy.linalg import *
import time

a = randn(1000,1000)
tic = time.clock()
for i in range(0,10):
    eig(a)
toc = time.clock()
print "Elapsed time is ", toc-tic

---

我是Python新手，所以我可能做了一些愚蠢的事情。如果我需要提供更多信息，请告诉我

我确实在时间上有所不同，但不像你的那样激烈。我的

MATLAB

（R2010b）计时约为25秒，而

python

（2.7）计时约为60秒

我对这些数字并不感到惊讶，因为

MATLAB

仅仅是一种数值和矩阵操作语言，它的

JIT

加速器优于

python

，后者是一种通用语言。一般来说，

MATLAB

和

python+numpy

之间的差异非常小，但当矩阵大小较大时，差异会变得明显，就像您的例子一样

---

这并不意味着没有办法提高python的性能。scipy网站上的文章很好地介绍了提高python性能的各种方法

我认为您看到的是Matlab使用的英特尔数学内核库（MKL）与scipy所链接的系统（ATLAS，也许？）上的任何LAPACK实现之间的差异。你可以看到MKL的速度有多快

---

我想，如果您能够针对英特尔MKL库重建Scipy，您将获得更好的性能。如果您使用Windows，预下载的副本可以从中下载，或者您可以考虑使用类似于Python Python分发的东西。

您在Python和Matlab中使用相同的精度吗？您确实需要确保Python代码中的缩进是完全正确的。您的示例无法按编写的方式运行。为了让您知道，您应该同时使用

rand

（均匀分布）或

randn

（正态分布），但不能将它们混合使用。但这并不能解释差异。svd的计时是什么？另外，请正确地重新格式化您的代码，不要导入您不使用的内容，请尽量避免使用成语

。导入*

。ThanksI尝试了

svd

（无循环3秒）和

eigvals

（12秒），与

eig

的30秒进行比较。虽然，使用

svd

，您只能得到a'*a的奇异值，而不是a。这当然是其中的很大一部分。在使用ATLAS的numpy版本上比较

np.linalg.eig

，与使用MKL链接的numpy版本相比，我的机器上OP大小的数组相差大约3倍。（10.1秒对3.2秒）