python求和add_快速求和numpy数组元素wis

假设我要对numpy数组列表进行元素求和：tosum = [rand(100,100) for n in range(10)]

我一直在寻找最好的方法。看起来numpy.sum很糟糕：timeit.timeit('sum(array(tosum), axis=0)',

setup='from numpy import sum; from __main__ import tosum, array',

number=10000)

75.02289700508118

timeit.timeit('sum(tosum, axis=0)',

setup='from numpy import sum; from __main__ import tosum',

number=10000)

78.99106407165527

减少速度要快得多(接近两个数量级)：timeit.timeit('reduce(add,tosum)',

setup='from numpy import add; from __main__ import tosum',

number=10000)

1.131795883178711

看起来reduce甚至比non-numpy sum有一个有意义的领先优势(注意，这些是针对1e6运行的，而不是针对上述时间的1e4)：timeit.timeit('reduce(add,tosum)',

setup='from numpy import add; from __main__ import tosum',

number=1000000)

109.98814797401428

timeit.timeit('sum(tosum)',

setup='from __main__ import tosum',

number=1000000)

125.52461504936218

还有其他方法我应该试试吗？有人能解释一下排名吗？

编辑

如果首先将列表转换为numpy数组，numpy.sum肯定更快：tosum2 = array(tosum)

timeit.timeit('sum(tosum2, axis=0)',

setup='from numpy import sum; from __main__ import tosum2',

number=10000)

1.1545608043670654

不过，我只对一次求和感兴趣，因此将数组转换为numpy数组仍然会导致实际的性能损失。