Sollte die Vorbelegung von Arrays in numpy nicht schneller sein?

Question

Ich bin verwirrt, warum test2 nicht schneller als test1 im folgenden Code ist:

import timeit 

setup = """ 
import numpy as np 
A = np.ones((220, 220, 220)) 
B = np.ones((220, 220, 220)) 

class store: 
    def __init__(self): 
     self.C = np.empty((220, 220, 220)) 
Z = store() 
""" 

test1 = """ 
C = A + B 
""" 

test2 = """ 
Z.C = A + B 
""" 

print timeit.timeit(test1, setup, number=1000) 
print timeit.timeit(test2, setup, number=1000) 

, die mir gegeben haben: 40.9241290092 40.7675480843

Ich dachte, weil Z.C Speicher vorbelegt wurde, gäbe es weniger Overhead jedes Mal, wenn ich hinzugefügt A+B und benötigt einen Ort, um es zu speichern, dh weniger Anrufe zu malloc hinter den Kulissen oder so ähnlich. Was vermisse ich?

Answer 1

Zuordnung eine schnelle Operation, zusätzlich ist teurer:

In [7]: %timeit np.empty((220, 220, 220)) 
1000 loops, best of 3: 472 µs per loop 

In [8]: u= np.ones((220, 220, 220)) 

In [9]: %timeit u+u 
10 loops, best of 3: 73.5 ms per loop 

Also, auch richtig Sie Ihr Array aktualisieren (Z.C[:]= A+B) Sie werden nicht viel in Ihrem Fall gewinnen (~ 0,5%)

.