¿Por qué la comprensión de listas es mucho más rápida que numpy para multiplicar matrices?
Recientemente respondí aESTA pregunta que quería la multiplicación de 2 listas, algún usuario sugirió la siguiente forma usando numpy, junto con la mía, que creo que es la forma correcta:
(a.T*b).T
También encontré quearay.resize()
tiene el mismo rendimiento así. De cualquier manera, otra respuesta sugirió una solución usando la comprensión de la lista
[[m*n for n in second] for m, second in zip(b,a)]
Pero después del punto de referencia, vi que la comprensión de la lista funciona mucho más rápido que numpy:
from timeit import timeit
s1="""
a=[[2,3,5],[3,6,2],[1,3,2]]
b=[4,2,1]
[[m*n for n in second] for m, second in zip(b,a)]
"""
s2="""
a=np.array([[2,3,5],[3,6,2],[1,3,2]])
b=np.array([4,2,1])
(a.T*b).T
"""
print ' first: ' ,timeit(stmt=s1, number=1000000)
print 'second : ',timeit(stmt=s2, number=1000000,setup="import numpy as np")
resultado:
first: 1.49778485298
second : 7.43547797203
Como puede ver numpy es aproximadamente 5 veces más rápido. pero lo más sorprendente fue que es más rápido sin usar transposición, y para el siguiente código:
a=np.array([[2,3,5],[3,6,2],[1,3,2]])
b=np.array([[4],[2],[1]])
a*b
La comprensión de la lista todavía era 5 veces más rápida, por lo que, además de este punto, la comprensión de la lista se realiza en C aquí utilizamos 2 bucles anidados y unzip
función Entonces, ¿cuál puede ser la razón? ¿Es por la operación?*
en numpy?
También tenga en cuenta que no hay problema contimeit
aquí puse elimport
parte ensetup
.
También lo probé con arras más grandes, la diferencia disminuye pero aún no tiene sentido:
s1="""
a=[[2,3,5],[3,6,2],[1,3,2]]*10000
b=[4,2,1]*10000
[[m*n for n in second] for m, second in zip(b,a)]
"""
s2="""
a=np.array([[2,3,5],[3,6,2],[1,3,2]]*10000)
b=np.array([4,2,1]*10000)
(a.T*b).T
"""
print ' first: ' ,timeit(stmt=s1, number=1000)
print 'second : ',timeit(stmt=s2, number=1000,setup="import numpy as np")
resultado:
first: 10.7480301857
second : 13.1278889179