Чем объясняются эти удивительные тайминги в numpy? ⇐ Python

[Anonymous]

Недавно я запланировал несколько различных процедур выделения и инициализации массива в numpy. Однако я не могу интерпретировать эти сроки. Вот график моих измерений (размер массива в количестве элементов «n» для данного типа данных в зависимости от времени выполнения).


Если вы хотите воспроизвести тайминги на своей машине, вот код: https: //gabrielfougeron.github.io/pyquickbench/_build/auto_examples/benchmarks/numpy_array_init.html#sphx-glr-build-auto-examples-benchmarks-numpy-array-init-py
В частности, вот мои вопросы:

• Почему тайминги np.ones и np.zeros так сильно различаются, особенно учитывая, насколько похожи их определения (см. https://github.com/numpy/numpy/blob/mai ... /matlib.py)

Код: Выделить всё

def ones(shape, dtype=None, order='C'):
a = ndarray.__new__(matrix, shape, dtype, order=order)
a.fill(1)
return a

def zeros(shape, dtype=None, order='C'):
a = ndarray.__new__(matrix, shape, dtype, order=order)
a.fill(0)
return a

• Почему наблюдается разрыв в районе отметки в несколько миллионов элементов?

Подробнее здесь: https://stackoverflow.com/questions/787 ... s-in-numpy