使用 memoryview (Python 3.5.0) 切片分配较慢

Question

我有一个大的字节数组 x，想将它的一部分分配给另一个字节数组 y 的一部分

x = bytearray(10**7) #something else in practice
y = bytearray(6*10**6)
y[::6] = x[:2*10**6:2]

我认为使用 memoryview 会更快，确实如此

memoryview(x)[:2*10**6:2]

速度非常快。然而，

y[::6] = memoryview(x)[:2*10**6:2]

花费的时间是y[::6] = x[:2*10**6:2]

的5倍

我是不是遗漏了什么，或者这种减速是 Python 中的错误？
在 Python (a) 如果我想重复分配已知数量的 0，以及 (b) 通常情况下，最快的方法是什么？

Answer 1

减速并不是一个错误，而是 memoryview 和缓冲协议仍然相对较新并且优化不佳。 y[::6] = memoryview(x)[:2*10**6:2] 的底层代码在复制之前创建 bytearray 的连续副本。这意味着它比直接创建和分配 bytearray 的普通切片要慢。事实上，在这个特定的例子中（在我的机器上），使用 memoryview 比直接赋值更接近使用 y[::6] = islice(x, None, 2*10**6, 2) 的速度。

numpy 已经存在了很长时间，并且针对您感兴趣的操作类型进行了更好的优化。

使用ipython:

In [1]: import numpy as np; from itertools import islice

In [2]: x = bytearray(10**7)

In [3]: y = bytearray(6*10**6)

In [4]: x_np = np.array(x)

In [5]: y_np = np.array(y)

In [6]: %timeit y[::6] = memoryview(x)[:2*10**6:2]
100 loops, best of 3: 10.9 ms per loop

In [7]: %timeit y[::6] = x[:2*10**6:2]
1000 loops, best of 3: 1.65 ms per loop

In [8]: %timeit y[::6] = islice(x, None, 2*10**6, 2)
10 loops, best of 3: 22.9 ms per loop

In [9]: %timeit y_np[::6] = x_np[:2*10**6:2]
1000 loops, best of 3: 911 µs per loop

最后两个的额外好处是内存开销很小。

使用 memoryview (Python 3.5.0) 切片分配较慢

slice assignment slower using memoryview (Python 3.5.0)

python

python-3.5

memoryview