Tal vez estoy haciendo algo extraño, pero tal vez encontré una sorprendente pérdida de rendimiento cuando uso numpy, parece constante, independientemente de la potencia utilizada. Por ejemplo, cuando x es una matriz aleatoria de 100x100

x = numpy.power(x,3) 

es aproximadamente 60 veces más lento que

x = x*x*x

Una gráfica de la aceleración para varios tamaños de matriz revela un punto óptimo con matrices alrededor del tamaño 10k y una velocidad constante de 5-10x para otros tamaños.

Código para probar a continuación en su propia máquina (un poco desordenado):

import numpy as np
from matplotlib import pyplot as plt
from time import time

ratios = []
sizes = []
for n in np.logspace(1,3,20).astype(int):
    a = np.random.randn(n,n)

    inline_times = []
    for i in range(100):
        t = time()
        b = a*a*a
        inline_times.append(time()-t)
    inline_time = np.mean(inline_times)

    pow_times = []
    for i in range(100):
        t = time()
        b = np.power(a,3)
        pow_times.append(time()-t)
    pow_time = np.mean(pow_times)

    sizes.append(a.size)
    ratios.append(pow_time/inline_time)

plt.plot(sizes,ratios)
plt.title('Performance of inline vs numpy.power')
plt.ylabel('Nx speed-up using inline')
plt.xlabel('Array size')
plt.xscale('log')
plt.show()

Alguien tiene una explicación?