np.random.permutation，np.random.choice的時間性能

Question

與純python圖形理論庫中的類似MATLAB代碼相比，我遇到了一個時間性能很差的函數，因此我嘗試介紹此函數中的某些操作。

我跟蹤到以下結果

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

將此與MATLAB中的性能進行比較

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

通過將其更改為np.random.choice而不是我最初編寫的np.random.permutation ，我能夠顯着提高性能。

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

但是它仍然沒有接近Matlab的性能。

是否有另一種方式可以在純python中獲得這種行為，而時間性能接近MATLAB時間性能？

Answer 1

基於this solution是一個顯示如何模擬np.random.choice(..., replace=False)的基於一招行為argsort / argpartition ，您可以重新創建MATLAB的randperm(138,4)即與NumPy的np.random.choice(138,4, replace=False)與np.argpartition為：

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

或者像這樣使用np.argsort

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

我們將這兩個版本的時間與MATLAB版本進行性能比較。

在MATLAB上-

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

在帶有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

在帶有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

最初建議使用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來提高性能。

Answer 2

這需要多長時間？ 我估計需要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使整個過程快了兩倍。

更新2：由於NumPy的隨機函數似乎要快得多，所以我嘗試了這一點，這是另一個快〜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

這比原始速度快22倍：

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

（字符串與lambda區別不大）