访问一个numpy数组'arr'比'arr [：]'明显更快'

Question

在下列情况下，为什么访问arr的速度明显快于arr[:]或arr[::]。

In [1]: import numpy as np 

In [2]: arr = np.random.randint(0, 255, (512, 512)) 

In [3]: %timeit arr 
30.8 ns ± 2.43 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each) 

In [4]: %timeit arr[:] 
204 ns ± 0.588 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each) 

In [5]: %timeit arr[::] 
204 ns ± 1.35 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each) 

In [8]: np.all(arr == arr[:]) 
Out[8]: True 

In [9]: np.all(arr == arr[::]) 
Out[9]: True 

并非所有上述方法访问内存中的连续块元素？访问存储器arr[::2]中的不连续块的速度比arr[:]慢，但与a和a[:]之间的差异相比只有很小的差距。

In [10]: %timeit arr[::2] 
221 ns ± 2.96 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each) 

Answer 1

既不arr也不arr[:]实际上访问阵列的缓冲器。 arr仅加载对该数组的引用，而arr[:]构造由相同缓冲区支持的新对象。 arr[:]要贵得多，创建对象是什么，但它实际上并没有对后台缓冲区做任何事情。