NumPy性能小测：与Java性能相当

测试说明

简单了解在Python中 NumPy 与 list 的性能差及与源生Java的性能对比情况。
为了避免随机性的影响，每个计算执行10次，取总时间。

测试环境

硬件：ADM R7 3700X, 16GB DDR4 26666
软件：Windows10 1909 18363.720 | Java11.0.6 | Python3.7.4

测试代码

Python代码，使用IPython进行计时。

In [1]: import numpy as np
In [2]: %time arr1 = np.arange(1000_0000)
Wall time: 14 ms
In [3]: %time for _ in range(10): arr2 = arr1 * 10
Wall time: 182 ms
In [4]: %time list1 = list(np.arange(1000_0000))
Wall time: 325 ms
%time for _ in range(10): list2 = [x * 10 for x in list1]
Wall time: 25.6 s

Java代码

public class Temp20200406 {
	public static void main(String[] args) {
		// creating arr1
		long t = System.currentTimeMillis();
		int[] arr1 = new int[1000_0000];
		long time1 = System.currentTimeMillis() - t;
		System.out.printf("creation arr1: %d ms.\n", time1);

		// creating arr2
		long time2 = 0;
		for (int runningTimes = 0; runningTimes < 10; runningTimes++) {
			t = System.currentTimeMillis();
			int[] arr2 = new int[arr1.length];
			for (int i = 0; i < arr2.length; i++)
				arr2[i] = arr1[i] * 10;
			time2 += System.currentTimeMillis() - t;
		}
		System.out.printf("creation arr2: %d ms.\n", time2);
	}
}

# 测试结果：
creation arr1: 12 ms.
creation arr2: 158 ms.

测试结论

1. NumPy 与源生 Java 代码的运算性能很接近（182 ms VS 158 ms）；
2. NumPy 的性能要比 list 强2个量级（182 ms VS 25.6 s，约141倍）。