为什么numpy的where操作比应用函数更快？
numpy的where操作比应用函数更快的原因是因为numpy是基于C语言实现的，具有高效的底层计算能力和优化的算法。下面是更详细的解释：
- 底层实现：numpy是一个用于科学计算的Python库，其底层使用C语言编写，利用了C语言的高效性能和底层计算能力。相比之下，应用函数通常是使用Python语言编写的，执行速度相对较慢。
- 内存连续性：numpy的数组在内存中是连续存储的，这使得numpy能够充分利用CPU的缓存机制，提高数据访问效率。而应用函数通常需要对数组进行迭代操作，导致内存访问不连续，降低了效率。
- 并行计算：numpy支持并行计算，可以利用多核CPU进行并行计算，提高计算速度。而应用函数通常是单线程执行，无法充分利用多核CPU的计算能力。
- 优化算法：numpy内置了许多优化的算法和函数，例如矩阵乘法、向量化操作等，这些算法经过了精心设计和优化，能够高效地执行计算任务。相比之下，应用函数通常需要手动编写循环等操作，效率较低。
综上所述，numpy的where操作比应用函数更快是因为其底层实现使用了高效的C语言，具有内存连续性、并行计算和优化算法等特点。如果需要在腾讯云上使用numpy，可以考虑使用腾讯云的云服务器（https://cloud.tencent.com/product/cvm）或者弹性MapReduce（https://cloud.tencent.com/product/emr）等产品。
相关·内容
当基于某些条件在pandas dataframe中创建新列时，numpy的where方法在执行时间方面优于apply方法，为什么会这样？np.log2(x["C2Mean"]/x["C1Mean"]) if x["C1Mean"]> 0 else np.log2(x["C2Mean"]), axis=1)
df["log2FC"] = np.where
浏览 15提问于2019-05-13得票数 4
回答已采纳
4回答
最近，我遇到了一个，在这个中，一个用户建议，在处理NumPy数组时，numpy.sum比NumPy的sum更快。a = np.random.random(1e10)np.subtract(a,
浏览 8提问于2014-09-12得票数 12
回答已采纳
很明显，对于简单的操作，例如A + B、np.sum(A, axis=0)，这些都是缓存优化的。
对于复杂的操作，例如在矩阵A、B上应用快速傅立叶变换，这些不是高速缓存优化的，这也是显而易见的。然而，问题是中间的操作，例如np.where，np.apply_along_axis (这可能没有优化)，np.einsum (这可能是优化的)，np.vstack，等等。我如何知道给定<e
浏览 2提问于2021-11-06得票数 0
1回答
一个有趣的观察，我觉得我应该澄清。我预计pandas切片操作应该比压缩数据帧的列更快，但在两个操作上运行%timeit时，压缩操作更快……s = pd.DataFrametimeit dict(zip(s['Column1'],s['Column3']))[30]
每环53.7µs±6.07µs(平均值±标准dev.共7次运行，
浏览 1提问于2018-10-16得票数 0
2回答
聚合numpy函数
、、、
我有一个粗制滥造的操作，我强烈地要求它，我需要优化：此操作由三个函数组成将所有操作聚合到一个函数下并沿着轴1只应用该函数一次会更有效。不幸的是，numpy的函数不是一个选项，因为性能比x1000差。
有没有一种聚合几
浏览 5提问于2016-03-15得票数 3
回答已采纳
2回答
这起作用的关键原因是，for_each ()实际上并没有假定是它的第三个参数为函数。它只是假定它的第三个参数可以用适当的参数调用。一个适当定义的对象不仅服务于--而且往往比--功能更好。例如，内联类的应用程序运算符要比内联作为函数指针传递的函数容易。因此，函数对象通常比普通函数执行得更快。带有应用</e
浏览 5提问于2010-10-14得票数 14
假设有几个函数被多次调用。这些函数在3d向量( 1x3数组)上执行乘法、除法、加法等操作。给定：import mathy = [3,2,1]根据我的测试，python数学库执行以下操作的速度更快：而不是让numpy去做：此外，使用python时，像标准化这样的简单算法比
浏览 0提问于2015-03-02得票数 0
1回答
我想知道添加到python中的列表是否比填充“空”numpy数组更快或更慢。我知道numpy是直接用C编写的，因此我希望它比在python中构建函数的速度更快。我写了一个代码，看看是否真的是这样。然而，我发现，填充列表比np数组更快。我对这段代码进行了更大的测试，以便能够忽略在numpy库中加载的影响。有人知道为什么会这样吗？谢
浏览 1提问于2022-07-07得票数 -3
1回答
int(input())
for i in range(len(final)):这给了我一个问题的时间限制，是否有更快的方法来读取矩阵并将其存储在python中的列表列表中。输入是3def我要把这个存起来
[['a', 'b', 'c'], ['d', 'e', 'f&
浏览 5提问于2020-06-11得票数 0
回答已采纳
2回答
我想知道，与按列执行操作相比，遍历数组的前两个维度是否要慢得多。令我惊讶的是，如果发现按元素进行操作实际上更快。有人能解释一下吗？np.ones((26, 15, 5000)); cop=np.random.random((26, 15,5000))", number=50, globals=globals()))
现在正是这样的时候
浏览 6提问于2022-11-22得票数 -1
回答已采纳
我试图对numpy整数(特别是numpy.uint64对象)进行位移位，并且我需要它们的速度。在下面的实现中，我将对象放入一个numpy.array中，因为它是唯一能够接受位左移的对象。如果有更快的实现，我将接受它。a = np.array([2 ** 60], dtype=np.uint64)"))0.0566816480000000841.1685176299999998
为什么对于这个操作</
浏览 2提问于2018-10-12得票数 2
回答已采纳
1回答
在寻找new和malloc之间的差异时，我看到了这样的语句()：
操作员总是比函数快吗？如果是，为什么？我非常希望得到低层次的解释(您可以假设基本的编译器、SASS和硬件知识)。
浏览 0提问于2019-07-28得票数 7
默认情况下，numpy是主要行。因此，以下结果自然为我所接受。但是，如果使用numpy和函数，则结果是不同的。和函数，沿着列计算它会更快。因此，我的观点是为什么沿轴=0(沿列计算)的速度比沿轴=1(沿行)的速度要快。因此，沿轴=1计算的速度应该比轴= 0快。但是，当使用numpy和函数时，沿列(轴= 0)计算速度更快</
浏览 0提问于2018-01-29得票数 4
使用numba比使用纯python的程序快得多：
现在似乎已经确定，纯python上的numba甚至(大多数时候)比numpy-python (例如 )还要快。根据，在纯python上使用的numba比使用numpy的python代码要快。这通常是真的吗?为什么？在中，解释了为什么纯python上的numba比numpy
浏览 0提问于2019-10-14得票数 1
回答已采纳
这是使用循环实现的。import cv2 as cimg=c.imread("E:\\one.jpg")arr=np.zeros((row2]*.299c.imshow("one",arr)c.destroyAllWindows()
为什么第二种比第一种更快，即是什么使第二种工
浏览 8提问于2016-02-05得票数 2
回答已采纳
我的计时结果如下(所有函数都使用相同的算法)：Python3 (使用列表)：9.927 sPython3 (使用numpy.sort)：0.269 s(不公平的比较，因为它使用不同的算法)
我感到惊讶的是，使用numpy数组<e
浏览 2提问于2019-11-18得票数 5
回答已采纳
我一直在使用相同的子查询来检查许多SQL中的特定功能。例如复杂的用户权限检查。
在这种情况下，在性能上使用子查询和自定义函数哪个更好？AND EXISTS (SELECT 1 FROM `perm_categories_map` WHERE whatever={parentTable.whatever} AND category_id我将创建一个名为check_perm的函数，这样我就可以像...AND check_perm({parentTable.whatever}
浏览 3提问于2020-09-16得票数 0
回答已采纳
我正在重新实现SlowAES代码()，以尝试利用numpy的原生数组支持。对我来说，我得到的是一个违反直觉的结果，即SlowAES的纯Python比使用numpy实现的相同函数要快得多。这是我所举的最清楚的例子。
AES中的一个主要操作是Shift行，其中4x4元素字节数组中的每一行都被移动了一些位置(0行为0，1行为1，等等)。假设4x4整数输
浏览 3提问于2016-09-06得票数 2
混在一起，想知道这两种功能在性能上是否有什么不同：count xs e = foldr countCheck 0 xscount' xs e = foldr countCheck 0 xs | otherwise = acc
我尝试
浏览 1提问于2013-10-29得票数 2
回答已采纳
在使用熊猫/numpy的python应用程序中，除了使用自己实现的代码(例如通过循环)之外，使用熊猫/numpy实现方法通常会带来好处。这可能是对我的问题的一个糟糕的介绍，但是在下面的屏幕截图中(如果我没有测试它)，我期望使用本系列的方法的版本比python运行得更快。因为事实并非如此，这意味着我在这个例子上建立了一个错误的直觉，但我还没有找到
浏览 2提问于2021-07-19得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
