はじめに¶
僕は一応Pythonが母語で，C言語はできないことはない，という設定で生きています．
Pythonは書きやすいですが，実行速度にかなり難がありますよね．
スピードが肝になってくるプログラムだとCで書き直さなければいけない局面がでてくるかと思います．
しかし，できればPythonで完結したいというのが本音．
Pythonの利点の「書きやすさ」というのは時に，やたら冗長なコードを書いてしまう原因にもなるかと思います．
Pythonの高速化手法はいろいろ紹介されていますが，自分でコード書いて試してみるのが一番かなと思い，
今回から数回をかけて実際に手を動かして，速度比較実験をしていきたいと思います．
別に体系的にまとめるつもりはないので，思いついたら順次記事にしていく予定です．
今回は，map関数系の処理速度について比較してみました．
実験内容¶
- リストの各要素に対して同じ関数を適用
- 関数の返り値を各要素とする配列を作成
float()関数で実験
つまり，あるリストの各要素を全部float型にする操作ってこと！！
さっそく思いつく限りの手を試す．
#純粋listだけでなく，numpy arrayも用いる
import numpy as np
#適当に用意
py_list = list(range(10**7)) #以下，「純粋list」と呼びます
np_list = np.arange(10**7) #以下，「numpy配列」と呼びます
#np_listというネーミングには突っ込まないで
純粋listに対し，list内包表記¶
%%time
hoge = [float(i) for i in py_list]
numpy配列に対し，list内包表記¶
%%time
hoge = [float(i) for i in np_list]
純粋listに対し，map関数¶
%%time
hoge = list(map(float, py_list))
numpy配列に対し，map関数¶
%%time
hoge = list(map(float, np_list))
numpy.frompyfunc()¶
任意の関数をnupmyのユニバーサル関数化する関数frompyfunc()を利用する．
引数は，(func=関数，nin=その関数の引数の数，nout=その関数の返り値の数)
%%time
f = np.frompyfunc(float, 1, 1)
hoge = f(np_list)
numpy.vectorize()¶
frompyfuncと同様に，任意の関数をユニバーサル関数化することができる．
詳しくは，numpy.vectorize — NumPy v1.15 Manual
ドキュメントには，
The vectorize function is provided primarily for convenience, not for performance. The implementation is essentially a for loop.
とある．
つまり，vectorize()はあくまでコードの利便性を高めるだけで，パフォーマンスは高めないよと．本質的にはfor文を呼んでいるだけらしい．
%%time
f = np.vectorize(float)
hoge = f(np_list)
まとめ¶
| 方法 | 実行時間(s) | 順位 |
|---|---|---|
| 純粋listに対し，list内包表記 | 1.38 | 4 |
| numpy配列に対し，list内包表記 | 1.74 | 6 |
| 純粋listに対し，map関数 | 1.18 | 2 |
| numpy配列に対し，map関数 | 1.47 | 5 |
| numpy.frompyfunc() | 0.93 | 1 |
| numpy.vectorize() | 1.31 | 3 |
numpy.frompyfunc()を利用するもの一番高速という結果となった．
次点が純粋listに対するmap関数の適用であるので，単純な操作については一概にnumpyを使うのが良いとは言えないのかもしれない．
リストのサイズによる速度差については，python – Most efficient way to map function ver numpy array – Stack Overflow にまとめられている．
今回の実験は，あまり体系的になっていないので，今後より詳細に検討していくつもり．
書きやすいPythonだからこそ，各変数の型については常に意識しておくべきだと思った．
