Numpy多轴均值计算为何比分步单轴计算慢10倍？

处理视频数据时，需同时对多帧执行统计操作。调试中发现，使用Numpy直接对多轴计算均值（np.mean指定axis=(1, 2)），比分步逐个轴计算的耗时显著更长——后者速度快10倍。两种计算方式的结果差异极小，仅由float64精度导致。请问这一性能差异的原因是什么？是否属于Numpy的bug？

验证代码如下：

from timeit import default_timer as timer
import numpy as np

rnd_frames = np.random.randn(100, 128, 128, 3)
n_reps = 1000

# -----------------------------------
# mean computation over multiple axes
# -----------------------------------
# all axes at once
ts = timer()
for i in range(n_reps):
    mean_1 = np.mean(rnd_frames, axis=(1, 2))
print('Mean all at once: ', (timer()-ts)/n_reps)
# one after the other
ts = timer()
for i in range(n_reps):
    mean_2 = np.mean(rnd_frames, axis=1)
    mean_2 = np.mean(mean_2, axis=1)
print('Mean one after the other: ', (timer()-ts)/n_reps)

print('Difference in means: ', np.sum(np.abs(mean_1-mean_2)))

解答 #

这不是Numpy的bug，性能差异主要源于以下几个核心因素：

• 内存缓存效率差异：分步计算时，第一次对axis=1求均值后，数组维度从(100,128,128,3)缩减为(100,128,3)，数据量直接缩小128倍。第二次计算时，处理的数据量更小，且内存访问更连续，能充分利用CPU缓存，大幅降低内存读取开销。而一次性多轴计算时，Numpy需要遍历原始大数组的所有元素，内部对多轴的处理逻辑未能做到最优的缓存对齐，导致缓存命中率低，内存访问耗时更高。

• 计算复杂度与中间结果处理：分步计算的每一步都是在更小的数组上执行累加操作，CPU运算单元的利用率更高。而一次性多轴计算需要同时跟踪多个维度的累加状态，内部循环逻辑更复杂，涉及更多的分支判断和非连续内存操作，额外开销更大。

• 底层实现的代码路径差异：Numpy对单轴均值计算的底层C代码经过了高度优化，而多轴计算的实现逻辑更偏向通用场景，没有针对多轴组合的情况做专门的性能调优，导致执行效率不如分步单轴计算。

内容的提问来源于stack exchange，提问作者BeCurious