當數組是字符串類型時，爲什麼np.unique（array.tolist（））比np.unique（array）快，而浮點數則相反？

考慮下面的數組和測試結果。
爲什麼在數組元素是字符串時更快地運行tolist()而數組元素是浮動時不會更快？當數組是字符串類型時，爲什麼np.unique（array.tolist（））比np.unique（array）快，而浮點數則相反？

bunch_of_strings = pd.DataFrame(
    np.random.choice(list(ascii_letters), (10000, 4))).sum(1).values 
bunch_of_floats = np.random.rand(10000)

2016-12-27 piRSquared

與「數組如果不是1D時數組將會變平」以及數組中的元素是字符串的事實，是否也可以使用可下載的？通過轉換爲「列表」，不存在歧義。無論如何，看起來像一個錯誤。 –

你bunch_of_strings數組對象D類，這意味着它沒有得到的與NumPy的好處。這基本上只是一個NumPy特定開銷和固定大小的更糟糕的列表。

當您撥打tolist時，np.unique必須將列表轉換回數組。當它這樣做時，它會生成一個dtype dtype('S4')的數組，它是一個字符串dtype。非對象dtype的好處可以在np.unique調用中節省大量時間，超過額外轉換中的損失。

與此相反，bunch_of_floats具有float64 dtype，並且array-> list-> array轉換不會更改該值。它只是浪費時間。

2016-12-27 21:40:40 user2357112

回答