我正在做一个简单的蒙特卡罗模拟练习，使用 IPython 的 ipcluster 引擎。根据我定义函数的方式，我注意到执行时间存在巨大差异，我正在询问原因。以下是详细信息:
当我如下定义任务时，它很快:
def sample(n):
return (rand(n)**2 + rand(n)**2 <= 1).sum()
并行运行时:
from IPython.parallel import Client
rc = Client()
v = rc[:]
with v.sync_imports():
from numpy.random import rand
n = 1000000
timeit -r 1 -n 1 print 4.* sum(v.map_sync(sample, [n]*len(v))) / (n*len(v))
3.141712
1 loops, best of 1: 53.4 ms per loop
但是如果我将函数更改为:
def sample(n):
return sum(rand(n)**2 + rand(n)**2 <= 1)
我得到:
3.141232 1 个循环，最好的 1 个:每个循环 3.81 秒
...慢了 71 倍。这可能是什么原因？
请您参考如下方法:
我不能说得太深入，但它慢的原因是因为 sum(<array>)是内置的 CPython 求和函数，而你的 <numpy array>.sum()正在使用 numpy sum 函数，它比内置的 python 版本快得多。
我想如果你替换了 sum(<array>) 你会得到类似的结果与 numpy.sum(<array>)
请在此处查看 numpy sum 文档:http://docs.scipy.org/doc/numpy/reference/generated/numpy.sum.html
