numpy np.array與np.matrix（性能）

Question

經常在使用numpy時我發現區別令人討厭 - 當我從矩陣中抽出一個向量或一行然後用np.array執行操作時，通常會遇到問題。

爲了減少頭痛，我只是爲了簡單起見，有時只是使用np.matrix（將所有np.arrays轉換爲np.matrix）。但是，我懷疑有一些性能影響。任何人都可以評論這些可能是什麼以及原因？

看起來好像它們都只是數組的底層，這個元素的訪問只是一個偏移量計算來獲得值，所以我不確定沒有通讀整個源代碼可能會有什麼區別。

更具體地說，什麼性能的影響，這都：

v = np.matrix([1, 2, 3, 4]) 
# versus the below 
w = np.array([1, 2, 3, 4]) 

感謝

Answer 1

我加了一些測試，它似乎是一個array在陣列/矩陣很小時比matrix快得多，但對於較大的數據結構差異變小：

小：

In [11]: a = [[1,2,3,4],[5,6,7,8]] 

In [12]: aa = np.array(a) 

In [13]: ma = np.matrix(a) 

In [14]: %timeit aa.sum() 
1000000 loops, best of 3: 1.77 us per loop 

In [15]: %timeit ma.sum() 
100000 loops, best of 3: 15.1 us per loop 

In [16]: %timeit np.dot(aa, aa.T) 
1000000 loops, best of 3: 1.72 us per loop 

In [17]: %timeit ma * ma.T 
100000 loops, best of 3: 7.46 us per loop 

較大：

In [19]: aa = np.arange(10000).reshape(100,100) 

In [20]: ma = np.matrix(aa) 

In [21]: %timeit aa.sum() 
100000 loops, best of 3: 9.18 us per loop 

In [22]: %timeit ma.sum() 
10000 loops, best of 3: 22.9 us per loop 

In [23]: %timeit np.dot(aa, aa.T) 
1000 loops, best of 3: 1.26 ms per loop 

In [24]: %timeit ma * ma.T 
1000 loops, best of 3: 1.24 ms per loop 

注意，矩陣實際上是略快於乘法。

我相信我在這裏得到的結果與@Jaime解釋評論的內容是一致的。

Answer 2

上有SciPy.org和this question一般discusion。

爲了比較性能，我在iPython中做了如下工作。事實證明，數組顯着更快。

In [1]: import numpy as np 
In [2]: %%timeit 
    ...: v = np.matrix([1, 2, 3, 4]) 
100000 loops, best of 3: 16.9 us per loop 

In [3]: %%timeit 
    ...: w = np.array([1, 2, 3, 4]) 
100000 loops, best of 3: 7.54 us per loop 

因此，numpy數組似乎比numpy矩陣的性能更快。

版本中使用：

numpy的：1.7.1

IPython的：0.13.2

的Python：2.7