<p>我试图检查<a href="http://docs.scipy.org/doc/numpy/reference/generated/numpy.savetxt.html" rel="nofollow noreferrer">numpy.savetxt</a>是否可以加快速度,因此我编写了以下模拟:</p>
<pre><code>import sys
import numpy as np
fmt = '%7.0f %11.5e %11.5e %7.5f'
records = 10000
np.random.seed(1234)
aray = np.random.rand(records, 4)
def writ(f, aray=aray, fmt=fmt):
fw = f.write
for row in aray:
fw(fmt % tuple(row))
def prin(f, aray=aray, fmt=fmt):
for row in aray:
print>>f, fmt % tuple(row)
def stxt(f, aray=aray, fmt=fmt):
np.savetxt(f, aray, fmt)
nul = open('/dev/null', 'w')
def tonul(func, nul=nul):
func(nul)
def main():
print 'looping:'
loop(sys.stdout, aray)
print 'savetxt:'
savetxt(sys.stdout, aray)
</code></pre>
<p>我找到了结果(在我的2.4ghz核心双核macbookpro上,使用macosx10.5.8,python2.5.4从DMG开始)python.org网站,numpy 1.4 rc1(根据源代码构建)有点令人惊讶,但它们非常可重复,因此我认为它们可能会引起兴趣:</p>
^{pr2}$
<p>因此,savetxt似乎比循环调用<code>write</code>慢几个百分点。。。但是好的旧的<code>print</code>(也在循环中)似乎比<code>write</code>快几个百分点(我想这是为了避免某种呼叫开销)。我意识到2.5%左右的差距不是很重要,但这并不是我直觉所期望的方向,所以我想我应该报告一下。(顺便说一句,使用一个真正的文件而不是<code>/dev/null</code>只会均匀地增加6到7毫秒,所以它不会以任何方式改变很多事情)。在</p>