NumPy ndarray.all（）vs np.all（ndarray）vsすべて（ndarray）

Question

Python/NumPyの3つの "all"メソッドの違いは何ですか？パフォーマンスの違いは何故ですか？ ndarray.all（）が常に3つの中で最も速いのは本当ですか？ここで

は、私が走ったタイミングテストです：

In [59]: a = np.full(100000, True, dtype=bool) 

In [60]: timeit a.all() 
The slowest run took 5.40 times longer than the fastest. This could mean that an intermediate result is being cached. 
100000 loops, best of 3: 5.24 µs per loop 

In [61]: timeit all(a) 
1000 loops, best of 3: 1.34 ms per loop 

In [62]: timeit np.all(a) 
The slowest run took 5.54 times longer than the fastest. This could mean that an intermediate result is being cached. 
100000 loops, best of 3: 6.41 µs per loop 

Answer 1

np.all(a)とa.all()の違いは単純です：

• aがnumpy.arrayであれば、np.all()は、単にa.all()を呼び出します。
• aがnumpy.arrayでない場合、np.all()コールではnumpy.arrayに変換され、a.all()となります。一方、aはnumpy.arrayではなかったため、は失敗し、おそらくはallメソッドがありません。

np.allとallの違いはより複雑です。

• all関数は（list、set S、generators、...を含む）の任意のiterable上で動作します。 np.allは、numpy.array（numpy配列に変換できるものすべて、つまりlistとtuple）を対象としています。
• np.allは、特定のデータ型を持つarrayを処理するため、!= 0を比較するとかなり効率的です。 allただし、各項目のboolを評価する必要があります。これははるかに遅いです。
• 配列の各項目をPythonオブジェクトに変換する必要があるため、Python関数で配列を処理するのはかなり遅いです。 np.allはその変換を行う必要はありません。

タイミングは、aのタイプによっても異なります。あなたがPythonリストを処理するならば、比較的短いリストのために速くすることができるall。配列を処理する場合、object配列を除いて、ほとんどすべてのケースでnp.allとa.all()の方が高速になりますが、その方法は狂気になります。

Answer 2

私はこの

• np.allでスイングを取るよの下で、異なるデータ型で動作する汎用的な機能でありますフードはおそらくndarray.allを探しています。その理由は少し遅いです。

• allは、python bulit-in関数であるhttps://docs.python.org/2/library/functions.html#allを参照してください。

• ndarray.allは、 'numpy.ndarray'オブジェクトのメソッドです。これを直接呼び出す方が高速です。

Answer 3

私は要素がすでにブール値であるため、組み込みall()は、何もしませんしながら、numpyのの機能は、いくつかの一般的な数値最初の方法で、おそらくbooleanとして配列要素を、評価するために多くを行うことを疑います。

浮動小数点の整数で結果がどのように違うのだろうか。