np.random.permutation，np.random.choice的时间性能

Question

与纯python图形理论库中的类似MATLAB代码相比，我遇到了一个时间性能很差的函数，因此我尝试介绍此函数中的某些操作。

我跟踪到以下结果

In [27]: timeit.timeit( 'permutation(138)[:4]', setup='from numpy.random import permutation', number=1000000)
Out[27]: 27.659916877746582

将此与MATLAB中的性能进行比较

>> tic; for i=1:1000000; randperm(138,4); end; toc
Elapsed time is 4.593305 seconds.

通过将其更改为np.random.choice而不是我最初编写的np.random.permutation ，我能够显着提高性能。

In [42]: timeit.timeit( 'choice(138, 4)', setup='from numpy.random import choice', number=1000000)
Out[42]: 18.9618501663208

但是它仍然没有接近Matlab的性能。

是否有另一种方式可以在纯python中获得这种行为，而时间性能接近MATLAB时间性能？

Answer 1

基于this solution是一个显示如何模拟np.random.choice(..., replace=False)的基于一招行为argsort / argpartition ，您可以重新创建MATLAB的randperm(138,4)即与NumPy的np.random.choice(138,4, replace=False)与np.argpartition为：

np.random.rand(138).argpartition(range(4))[:4]

或者像这样使用np.argsort

np.random.rand(138).argsort()[:4]

我们将这两个版本的时间与MATLAB版本进行性能比较。

在MATLAB上-

>> tic; for i=1:1000000; randperm(138,4); end; toc
Elapsed time is 1.058177 seconds.

在带有np.argpartition NumPy上-

In [361]: timeit.timeit( 'np.random.rand(138).argpartition(range(4))[:4]', setup='import numpy as np', number=1000000)
Out[361]: 9.063489798831142

在带有np.argsort NumPy上-

In [362]: timeit.timeit( 'np.random.rand(138).argsort()[:4]', setup='import numpy as np', number=1000000)
Out[362]: 5.74625801707225

最初建议使用NumPy-

In [363]: timeit.timeit( 'choice(138, 4)', setup='from numpy.random import choice', number=1000000)
Out[363]: 6.793723535243771

似乎可以使用np.argsort来提高性能。

Answer 2

这需要多长时间？ 我估计需要1-2秒。

def four():
    k = np.random.randint(138**4)
    a = k % 138
    b = k // 138 % 138
    c = k // 138**2 % 138
    d = k // 138**3 % 138
    return (a, b, c, d) if a != b and a != c and a != d and b != c and b != d and c != d else four()

更新1：最初，我使用random.randrange ，但np.random.randint使整个过程快了两倍。

更新2：由于NumPy的随机函数似乎要快得多，所以我尝试了这一点，这是另一个快〜1.33的因素：

>>> def four():
        a = randint(138)
        b = randint(138)
        c = randint(138)
        d = randint(138)
        return (a, b, c, d) if a != b and a != c and a != d and b != c and b != d and c != d else four()

>>> import timeit
>>> from numpy.random import randint
>>> timeit.timeit(lambda: four(), number=1000000)
2.3742770821572776

这比原始速度快22倍：

>>> timeit.timeit('permutation(138)[:4]', setup='from numpy.random import permutation', number=1000000)
51.80568455893672

（字符串与lambda区别不大）