NumPyでは、より大きな配列がより迅速に作成されますか？

Question

これはキャッシュのことですが、時間が示唆していますか？

In [55]: timeit a = zeros((10000, 400)) 
100 loops, best of 3: 3.11 ms per loop 

In [56]: timeit a = zeros((10000, 500)) 
The slowest run took 13.43 times longer than the fastest. This could mean that an intermediate result is being cached. 
100000 loops, best of 3: 3.43 µs per loop 

はそれをばかにしようとしましたが、それはうまくいきませんでした：

In [58]: timeit a = zeros((10000, 500+random.randint(100))) 
The slowest run took 13.31 times longer than the fastest. This could mean that an intermediate result is being cached. 
100000 loops, best of 3: 4.35 µs per loop 

Answer 1

理由がキャッシュされていませんが、それnumpyのはだけではなく、完全な配列のプレースホルダを作成します。これは簡単に、あなたがこのような何かをするとき、あなたのRAMの使用状況を監視することで確認できます。

a = np.zeros((20000, 20000), np.float64) 

これは、自分のコンピュータ上の20k * 20kの* 8バイト〜3ギガバイトを割り当てません（ただし、np.zerosが使用しているため、OSに依存するかもしれませんC機能calloc）。しかし、この配列のほとんどの操作（たとえばa += 5）が即座にそのメモリを割り当てるため、注意してください！あなたはあなたのRAMに比べて適切なサイズを使用することを忘れないでください。

最後に、これは配列の割り当てを延期するだけで、それを操作するとすぐに割り当てと操作の組み合わせのタイミングは予想どおりになります（要素の数に比例します）。あなたが、ブロックはtimeit %%timeitを使用することができますので、あなたはIPythonを使用しているようだ：

%%timeit 
a = np.zeros((10000, 400)) 
a += 10 
# => 10 loops, best of 3: 30.3 ms per loop 

%%timeit 
a = np.zeros((10000, 800)) 
a += 10 
# => 10 loops, best of 3: 60.2 ms per loop