• A.9 性能建议
    • 连续内存的重要性

    A.9 性能建议

    使用NumPy的代码的性能一般都很不错，因为数组运算一般都比纯Python循环快得多。下面大致列出了一些需要注意的事项：

    • 将Python循环和条件逻辑转换为数组运算和布尔数组运算。
    • 尽量使用广播。
    • 避免复制数据，尽量使用数组视图（即切片）。
    • 利用ufunc及其各种方法。

    如果单用NumPy无论如何都达不到所需的性能指标，就可以考虑一下用C、Fortran或Cython（等下会稍微介绍一下）来编写代码。我自己在工作中经常会用到Cython（http://cython.org），因为它不用花费我太多精力就能得到C语言那样的性能。

    连续内存的重要性

    虽然这个话题有点超出本书的范围，但还是要提一下，因为在某些应用场景中，数组的内存布局可以对计算速度造成极大的影响。这是因为性能差别在一定程度上跟CPU的高速缓存（cache）体系有关。运算过程中访问连续内存块（例如，对以C顺序存储的数组的行求和）一般是最快的，因为内存子系统会将适当的内存块缓存到超高速的L1或L2CPU Cache中。此外，NumPy的C语言基础代码（某些）对连续存储的情况进行了优化处理，这样就能避免一些跨越式的内存访问。

    一个数组的内存布局是连续的，就是说元素是以它们在数组中出现的顺序（即Fortran型（列优先）或C型（行优先））存储在内存中的。默认情况下，NumPy数组是以C型连续的方式创建的。列优先的数组（比如C型连续数组的转置）也被称为Fortran型连续。通过ndarray的flags属性即可查看这些信息：

    1. In [225]: arr_c = np.ones((1000, 1000), order='C')
    3. In [226]: arr_f = np.ones((1000, 1000), order='F')
    5. In [227]: arr_c.flags
    7. Out[227]: 
    8.   C_CONTIGUOUS : True
    9.   F_CONTIGUOUS : False
    10.   OWNDATA : True
    11.   WRITEABLE : True
    12.   ALIGNED : True
    13.   UPDATEIFCOPY : False
    15. In [228]: arr_f.flags
    16. Out[228]: 
    17.   C_CONTIGUOUS : False
    18.   F_CONTIGUOUS : True
    19.   OWNDATA : True
    20.   WRITEABLE : True
    21.   ALIGNED : True
    22.   UPDATEIFCOPY : False
    24. In [229]: arr_f.flags.f_contiguous
    25. Out[229]: True

    在这个例子中，对两个数组的行进行求和计算，理论上说，arr_c会比arr_f快，因为arr_c的行在内存中是连续的。我们可以在IPython中用%timeit来确认一下：

    1. In [230]: %timeit arr_c.sum(1)
    2. 784 us +- 10.4 us per loop (mean +- std. dev. of 7 runs, 1000 loops each)
    4. In [231]: %timeit arr_f.sum(1)
    5. 934 us +- 29 us per loop (mean +- std. dev. of 7 runs, 1000 loops each)

    如果想从NumPy中提升性能，这里就应该是下手的地方。如果数组的内存顺序不符合你的要求，使用copy并传入’C’或’F’即可解决该问题：

    1. In [232]: arr_f.copy('C').flags
    2. Out[232]: 
    3.   C_CONTIGUOUS : True
    4.   F_CONTIGUOUS : False
    5.   OWNDATA : True
    6.   WRITEABLE : True
    7.   ALIGNED : True
    8.   UPDATEIFCOPY : False

    注意，在构造数组的视图时，其结果不一定是连续的：

    1. In [233]: arr_c[:50].flags.contiguous
    2. Out[233]: True
    4. In [234]: arr_c[:, :50].flags
    5. Out[234]: 
    6.   C_CONTIGUOUS : False
    7.   F_CONTIGUOUS : False
    8.   OWNDATA : False
    9.   WRITEABLE : True
    10.   ALIGNED : True
    11.   UPDATEIFCOPY : False