Python numpy和matlab将随机矩阵转换为单精度速度比较

今天被问到一个问题，如何提高整型的矩阵转换成单精度浮点数的矩阵的速度，由于我之前没做过，就无从下手，但是却让我想起来验证一下matlab和python的速度谁快

clc
clear

A=randint(4096,4096);
A=fix(A*255);
tic
C=single(A);
toc
tic
F=single(1.0);
D=A.*F;
toc

下面是matlab代码的运行结果，运行了10次

下面是python中numpy的操作

import numpy as np
import time
A = np.random.rand(4096,4096)
A = A*255
A = A.astype(np.int32)

start = time.clock()
C = A.astype(np.float32)
elapsed = (time.clock() - start)
print("Time used:",elapsed)

下面是代码运行的结果：

这一次证明了截止到目前为止，python处理矩阵的还是慢于matlab.
这里面还有一个问题，python里面的单精度是不好控制的，我用getsizeof()函数测得float64测出来的才是4个字节（32位）。但上面的实验，是耗时最短的也没有干过matlab。
如有不对，请各位教我。