numpy如何比我的Fortran例程快得多？
我从仿真中得到了一个代表温度分布的512 ^ 3数组（用Fortran编写）。该阵列存储在大小约为1 / 2G的二进制文件中。我需要知道此数组的最小值，最大值和均值，并且由于不久以后无论如何我都需要了解Fortran代码，因此我决定尝试一下，并提出了以下非常简单的例程。 integer gridsize,unit,j real mini,maxi double precision mean gridsize=512 unit=40 open(unit=unit,file='T.out',status='old',access='stream',& form='unformatted',action='read') read(unit=unit) tmp mini=tmp maxi=tmp mean=tmp do j=2,gridsize**3 read(unit=unit) tmp if(tmp>maxi)then maxi=tmp elseif(tmp<mini)then mini=tmp end if mean=mean+tmp end do mean=mean/gridsize**3 close(unit=unit) 我使用的计算机上的每个文件大约需要25秒。那让我感到震惊，因为它相当长，所以我继续使用Python进行了以下操作： import numpy mmap=numpy.memmap('T.out',dtype='float32',mode='r',offset=4,\ shape=(512,512,512),order='F') mini=numpy.amin(mmap) maxi=numpy.amax(mmap) mean=numpy.mean(mmap) 现在，我希望这当然会更快，但是我真的很震惊。在相同条件下，它花费不到一秒钟的时间。平均值偏离了我的Fortran例程找到的平均值（我也使用128位浮点数运行，因此我以某种方式信任它），但仅在第7个有效位数左右。 numpy怎么这么快？我的意思是，您必须查看数组的每个条目才能找到这些值，对吗？我是否在Fortran例程中做了一些非常愚蠢的事情，以使其花费了更长的时间？ 编辑： 要回答评论中的问题： 是的，我也使用32位和64位浮点数运行了Fortran例程，但它对性能没有影响。 我使用iso_fortran_env了提供128位浮点数的代码。 …