numpy 广播如何执行得更快？

在下面的问题中，https://stackoverflow.com/a/40056135/5714445 https://stackoverflow.com/a/40056135/5714445

Numpy 的广播提供了一种解决方案，其速度几乎比使用 np.setdiff1d() 与 np.view() 配对快 6 倍。它是如何做到这一点的？

并使用A[~((A[:,None,:] == B).all(-1)).any(1)]速度会更快。 有趣，但又提出了另一个问题。这如何表现得更好？

我会尝试回答问题的第二部分。

因此，我们正在与它进行比较：

A[np.all(np.any((A-B[:, None]), axis=2), axis=0)]  (I)

and

A[~((A[:,None,:] == B).all(-1)).any(1)]

为了与第一个方法的匹配视角进行比较，我们可以这样写下第二种方法 -

A[(((~(A[:,None,:] == B)).any(2))).all(1)]         (II)

考虑性能时的主要区别在于，对于第一个，我们通过减法得到不匹配，然后通过检查非零值.any(). Thus, any()用于对非布尔数据类型数组进行操作。在第二种方法中，我们向它提供一个布尔数组，该数组是通过A[:,None,:] == B.

让我们做一个小的运行时测试来看看如何.any()执行于int数据类型与boolean array -

In [141]: A = np.random.randint(0,9,(1000,1000)) # An int array

In [142]: %timeit A.any(0)
1000 loops, best of 3: 1.43 ms per loop

In [143]: A = np.random.randint(0,9,(1000,1000))>5 # A boolean array

In [144]: %timeit A.any(0)
10000 loops, best of 3: 164 µs per loop

所以，与接近9x这部分的加速，我们看到了使用的巨大优势any()与布尔数组。我认为这是使第二种方法更快的最大原因。