我现在使用的是 scipy
对于 norm.pdf
和 norm.cdf
计算。我想知道为什么 cdf
快于 pdf
?
我知道有一些渐近的方法,用于处理? norm.cdf
而似乎在 scipy
的整合。norm.pdf
是用的。这就是为什么我无法想象 cdf
快于 pdf
. 如果整合是这样的情况。cdf
应该比 pdf
(也许并行计算能帮上大忙?);如果采用渐近法,我还是认为 cdf
可能会比 pdf
.
下面显示了一些简单的样品。
import scipy.stats as st
from datetime import datetime
import numpy as np
num_iter = 100000
x_lower = 0.25
x_upper = 0.75
time_start = datetime.now()
for x in np.arange(x_lower, x_upper, (x_upper - x_lower) / (num_iter - 1)):
y = st.norm.pdf(x)
time_end = datetime.now()
print(time_end - time_start)
time_start = datetime.now()
for x in np.arange(x_lower, x_upper, (x_upper - x_lower) / (num_iter - 1)):
y = st.norm.cdf(x)
time_end = datetime.now()
print(time_end - time_start)
这里是运行结果。
0:00:05.736985
0:00:04.896390
看了一下源码,发现 scipy.stats.norm.pdf
只需返回 x
使用NumPy对pdf进行计算。
def _norm_pdf(x):
return np.exp(-x**2/2.0) / _norm_pdf_C
其中 _norm_pdf_C = np.sqrt(2*np.pi)
.
对于cdf,由于我们讲的是正态分布,所以使用了特殊的函数(对于它们和正态分布之间的关系。见此).
SciPy实现了特殊的功能 直接在C. 特别是,累积分布函数的计算方法为: 1.ndtr.c
. 所以,即使NumPy真的很快,在这种情况下,我想C还是更快。
EDIT
对不起,我才发现我的回答并没有完全回答你的问题。
首先,NumPy也是在C语言中实现数学运算的,因此,要理解为什么会出现时间上的差异,就应该了解C语言中发生了什么。
于是我又检查了一下cdf的C实现,我看到评估特殊函数的多项式的常量和系数不是计算出来的,而是存储在数组和变量中的! 比如说。1/sqrt(2)
载于 NPY_SQRT1_2
. 这可能是为什么cdf比pdf快的原因。
因此我试着在常量已经初始化的情况下计算pdf。
import scipy.stats as st
from datetime import datetime
import numpy as np
num_iter = 100000
x_lower = 0.25
x_upper = 0.75
const = np.sqrt(2*np.pi)
time_start = datetime.now()
for x in np.arange(x_lower, x_upper, (x_upper - x_lower) / (num_iter - 1)):
# y = st.norm.pdf(x)
y = np.exp((x**2 / 2)) / const
time_end = datetime.now()
print(time_end - time_start)
time_start = datetime.now()
for x in np.arange(x_lower, x_upper, (x_upper - x_lower) / (num_iter - 1)):
y = st.norm.cdf(x)
time_end = datetime.now()
这段代码给我的结果是:
0:00:00.202531
0:00:07.703083
注意 norm.pdf
预先初始化pdf的分母,但在for循环中,你每次都要调用该方法,从而减慢了速度。
P.S.: 如果你试图摆脱原来代码中的循环,而只是简单地用了 x = np.arange(x_lower, x_upper, (x_upper - x_lower) / (num_iter - 1))
,cdf的速度又快了一些。原因可能是cdf是用多项式近似计算的。但我没有找到C到底是如何处理指数的信息,无法得到比较。