Python3 numpy.fft.fft与Python2 numpy.fft.fft

问题描述

在MacBook Pro上运行以下代码后，我发现python3 numpy.fft.fft比python2快：

import random
import time
# import matplotlib
import numpy as np 
from scipy.fftpack import fft
# import cv2

coordinate = np.ndarray((1920,1080,2))
print(coordinate.shape)

for i in range(1920):
    for j in range(1080):
      coordinate[i][j] = (random.randint(0,1920),random.randint(0,1080))

print(coordinate[0][0])
# test = ([2.+4.j,3.+3.j,4.+4.j,5.+3.j,4.+2.j,3.+1.j,2.+2.j,1.+3.j])
start_time = time.time();
res = np.fft.fft(coordinate)
end_time = time.time();
print("spend time: ",(end_time - start_time));

结果是：

% python2 ./test.py
(1920,2)
[ 1022.   435.]
('spend time: ',0.06316184997558594)
% python3 ./test.py
(1920,2)
[1143.  678.]
spend time:  0.18218493461608887

python的numpy版本均为1.19.1

Python2：2.7.16

python3：3.7.3

为什么python2比python3快？

解决方法

我对您的测试做了一些修改，我认为结论会有所改变。这是修改后的代码：

import random
import time
# import matplotlib
import numpy as np 
from scipy.fftpack import fft
# import cv2

np.random.seed(1234)

first = np.random.randint(0,1920,(1920,1080))
second = np.random.randint(0,1080,1080))

coordinate = np.dstack((first,second))
print(coordinate.shape)

print(coordinate[0][0])

start_time = time.time();
for i in range(100):
  res = np.fft.fft(coordinate)
end_time = time.time();
print("spend time: ",(end_time - start_time)/100);

首先，我将ftt函数循环运行100次迭代，以得到更好的平均值。其次，我对所有测试使用了相同的种子，因此，结果数组coordinate对于所有测试都是相同的。

第三个更改不会影响测试，它只是创建coordinate数组的更快方法。

我让测试使用python2和python3运行了好几次（不在我的机器上，但是我使用了repl.it），我的结论是并没有太大的区别。就我而言，使用python3进行测试的速度通常要比python2更快。

我曾在GitHub上发布过以下问题：https://github.com/numpy/numpy/issues/17130

fft numpy python