访问numpy数组'arr'的速度明显比'arr [：]'快

Question

在以下情况下，为什么访问arr明显比arr[:]或arr[::]更快。

In [1]: import numpy as np

In [2]: arr = np.random.randint(0, 255, (512, 512))

In [3]: %timeit arr
30.8 ns ± 2.43 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

In [4]: %timeit arr[:]
204 ns ± 0.588 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In [5]: %timeit arr[::]
204 ns ± 1.35 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In [8]: np.all(arr == arr[:])
Out[8]: True

In [9]: np.all(arr == arr[::])
Out[9]: True

以上所有方法不是访问内存中连续的元素块吗？ 与a和a[:]之间的差异相比，访问存储器arr[::2]不连续的块要比arr[:]慢，但仅略微如此。

In [10]: %timeit arr[::2]
221 ns ± 2.96 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

Answer 1

arr和arr[:]都没有实际访问数组的缓冲区。 arr仅加载对数组的引用，而arr[:]构造一个由相同缓冲区支持的新对象。 arr[:]昂贵得多，与对象创建有关，但实际上它对后备缓冲区实际上没有任何作用。