ndarray是否比recarray訪問更快？

Question

我能夠將我的recarray數據復制到ndarray，進行一些計算並返回具有更新值的ndarray。

然后，我在numpy.lib.recfunctions發現了append_fields()功能，並認為將2個字段追加到原始RecArray中以保存我的計算值會更聰明。

當我這樣做時，我發現操作要慢得多。 我不必花時間，與基於Recarray的一分鍾+相比，基於ndarray的過程要花費幾秒鍾，並且我的測試數組很小，小於10,000行。

這是典型的嗎？ ndarray訪問比recarray快得多？ 我期望由於按字段名稱進行訪問而導致性能下降，但不是那么多。

Answer 1

更新於2018年11月15日
我擴展了時序測試，以弄清ndarray，結構化數組，recarray和masked數組（記錄數組的類型？）的性能差異。 每個都有細微的差異。 請參閱此處的討論：
numpy的-討論：結構陣列-recarrays和記錄陣列

這是我的性能測試的結果。 我建立了一個非常簡單的示例（使用我的HDF5數據集之一）來比較性能與存儲在4種類型的數組中的相同數據：ndarray，結構化數組，recarray和masked數組。 構造數組后，將它們傳遞給一個函數，該函數僅循環遍歷每一行並從每一行提取12個值。 通過一次傳遞（ timeit = 1）從timeit函數中調用這些函數。 此測試僅測量數組讀取功能，並避免所有其他計算。
以下給出9,000行的結果：

for ndarray: 0.034137165047070615
for structured array: 0.1306827116913577
for recarray: 0.446010040784266
for masked array: 31.33269560998199

根據此測試，每種類型的訪問性能都會下降。 結構化數組和Recarray的訪問時間比ndarray的訪問時間慢4到13倍（但都只有幾分之一秒）。 但是，ndarray訪問比屏蔽數組訪問快1000倍。 這就解釋了我在完整示例中看到的秒到分鍾的差異。 希望這些數據對遇到此問題的其他人有用。