numpy数组访问的效率研究

1.简介

numpy数组如何访问比较高效？使用numpy提供的方法，还是自定义方法？如果数组很大，毫无疑问使用numpy提供的方法最高效。本文研究了查找numpy最大值、最小值、四则运算、特定值查找等4种情况。

2.最大值和最小值

numpy提供了数组最大值和最小的方法，分别是max和min。数组是一维的，从1个元素一直到500个元素。数组是随机生成的，查找的次数为1000次。
代码如下：

#coding:utf8
import numpy as np
import timeit
import matplotlib.pyplot as plt

def my_max(H):
    r = -9223372036854775808 # int64 最小值
    for i in range(H.shape[0]):
        if H[i]>r:
            r = H[i]
    return r

def my_min(H):
    r = 9223372036854775807 # int64最大值
    for i in range(H.shape[0]):
        if H[i]<r:
            r = H[i]
    return r

def np_max(H):
    return np.max(H)

def np_min(H):
    return np.min(H)


if __name__ == '__main__':
    array = 300
    H = np.random.randint(100, 1000000, array)
    x = np.arange(1,array+1)
    npmin = []
    mymin = []
    npmax = []
    mymax = []
    times = 1000
    for i in range(1,array+1):
        K = H[0:i]
        npmin.append(timeit.timeit("np_min(K)", setup="from __main__ import np_min",number=times,globals=globals()))
        mymin.append(timeit.timeit("my_min(K)", setup="from __main__ import my_min", number=times, globals=globals()))
        npmax.append(timeit.timeit("np_max(K)", setup