有没有办法使numpy.argmin（）和min（）一样快？

有没有办法使numpy.argmin（）和min（）一样快？

In [1]: import numpy as npIn [2]: a = np.random.rand(3000, 16000)In [3]: %timeit a.min(axis=0)1 loops, best of 3: 421 ms per loopIn [4]: %timeit a.argmin(axis=0)1 loops, best of 3: 1.95 s per loopIn [5]: %timeit a.min(axis=1)1 loops, best of 3: 302 ms per loopIn [6]: %timeit a.argmin(axis=1)1 loops, best of 3: 303 ms per loopIn [7]: %timeit a.T.argmin(axis=1)1 loops, best of 3: 1.78 s per loopIn [8]: %timeit np.asfortranarray(a).argmin(axis=0)1 loops, best of 3: 1.97 s per loopIn [9]: b = np.asfortranarray(a)In [10]: %timeit b.argmin(axis=0)1 loops, best of 3: 329 ms per loop

也许

min

足够聪明，可以按顺序在阵列上执行其工作（因此具有高速缓存局部性），并且

argmin

正在阵列中跳跃（导致大量高速缓存未命中）？

无论如何，如果您

randvals

从一开始就愿意保留为按Fortran顺序排列的数组，则它会更快，尽管将其复制到按Fortran顺序排列并没有帮助。