python中转置函数的差异

Question

我用随机数生成一个大矩阵（100x100，我们称之为X），用numpy.matrix公司（）这样我就有了努比·恩达雷. 在

我一直在想这两种操作之间是否有区别：

1. 纽比转置（十）
2. X.T

我在1000范围内测量了每个操作的时间，似乎X.T明显快于纽比转置（十）

增加了基准：

对于一个100x100矩阵，我得到了以下结果：X.T和numpy.Transpose公司（十）

在10000范围循环中：

• 7421/10.000:X.T最快
• 1256/10000:纽比转置（十） 最快
• 1323/10.000：相同的计算时间或差异太小，无法确定

添加了下面的代码

    import numpy as np
    import time

    np_transpose_count = 0
    T_transpose_count = 0
    equal_count = 0

    for i in range(10000):
       Se = np.random.rand(100,100)

       tic1 =time.clock()
       ST_T = Se.T
       toc1=time.clock()

       tic2 =time.clock()
       ST_np = np.transpose(Se)
       toc2=time.clock()

       if (toc1-tic1) < (toc2-tic2):
           T_transpose_count+=1
       elif (toc1-tic1) > (toc2-tic2):
           np_transpose_count+=1
       else:
           equal_count+=1

    print(T_transpose_count, np_transpose_count, equal_count)

谨致问候 呼呼

Answer 1

使用Ipython%timeit魔力我得到：

In [218]: X=np.ones((100,100))

In [219]: timeit X.T
1000000 loops, best of 3: 379 ns per loop

In [220]: timeit X.transpose()
1000000 loops, best of 3: 470 ns per loop

In [221]: timeit np.transpose(X)
1000000 loops, best of 3: 993 ns per loop

In [222]: timeit X+1
10000 loops, best of 3: 21.6 µs per loop

所以是的，.T最快，函数最慢。但是把这些时间和简单加法的时间比较一下

或者复制品或切片

^{pr2}$

所有形式的Transpose都返回一个新的数组对象，带有新的shape和{}，但是有一个共享的数据缓冲区（查看.__array_interface__字典可以看到这一点）。因此，它与返回view的其他操作花费的时间差不多。但是没有一个转置函数复制或遍历数据。所以时间差只是因为打过头电话造成的。在

再次使用ipython魔法

np.transpose??
def transpose(a, axes=None):
    try:
        transpose = a.transpose
    except AttributeError:
        return _wrapit(a, 'transpose', axes)
    return transpose(axes)

所以np.function(X)最后调用了X.transpose()。在

我不得不看一下numpy代码，但我记得.T是作为attribute实现的（与property不完全相同）。我怀疑它更快，因为它不使用axes参数，因此节省了一两个C函数调用。在