Numpy取复数数组实/虚部后matmul运算性能骤降问题问询

我来帮你拆解这个问题——你遇到的现象完全是Numpy数组内存布局和BLAS优化机制共同作用的结果，不是Bug，我们一步步分析：

首先先复现你的测试结果（用你提供的代码）：

import numpy as np
from time import time

class timeit():
    def __init__(self, string):
        self.string = string
    def __enter__(self):
        self.t0 = time()
    def __exit__(self, *args):
        print(f'{self.string} : {time() - self.t0}')

A = np.random.rand(200, 1000) + 0j
B = np.random.rand(1000, 5000)

with timeit('with complex'):
    out = A @ B

Ar = A.real
with timeit('after .real'):
    out = Ar @ B

Ai = (A * 1j).imag
with timeit('after .imag'):
    out = Ai @ B

with timeit('after .astype(float)'):
    out = A.astype(np.float64) @ B

with timeit('after .real.astype(float)'):
    out = A.real.astype(np.float64) @ B

运行输出：

with complex : 0.09374785423278809
after .real : 1.9792003631591797
after .imag : 1.717487096786499
after .astype(float) : 0.016920804977416992
after .real.astype(float) : 0.017952442169189453

核心原因：内存连续性决定BLAS运算效率 #

你通过内存地址检查发现的现象是关键，但需要结合Numpy复数数组的内存布局来理解：

复数数组在内存中是实部、虚部交替存储的，比如一个形状为(N, M)的complex128数组，内存布局是：

[re_00, im_00, re_01, im_01, ..., re_0M, im_0M, re_10, im_10, ...]

• A.real是原数组的视图（view），它并没有创建新数组，只是从原内存中每隔一个元素取实部，内存地址和原数组相同，但内存是非连续的（步长为2，而不是1）。
• A.imag同理，也是从原内存中取索引为奇数的元素，同样是非连续的视图（即使你的测试中内存地址显示不同，本质还是基于原数组的间隔访问）。

而Numpy的矩阵乘法依赖底层BLAS库（比如OpenBLAS、MKL），这些库对连续内存数组的优化极其充分——会利用CPU的向量指令、缓存预取等技术。但对于非连续内存的数组，BLAS无法使用这些优化，只能退化成低效的逐元素访问，这就是速度慢几十到几百倍的根本原因。

为什么快速方案有效？ #

• A.astype(np.float64)：这个操作会创建一个连续内存的float数组副本，把原复数数组的实部（因为虚部为0）连续存储，BLAS可以直接用最优的矩阵乘法实现，所以速度极快。但因为是从complex类型转float，Numpy会抛出ComplexWarning，不管虚部是否为0。
• A.real.astype(np.float64)：先取实部的非连续视图，再通过astype创建连续的float副本，同样满足BLAS的连续内存要求，而且不会抛出警告（因为A.real本身就是float类型的视图，转float没有类型损失）。

最优解决方案：更简洁的写法 #

如果你觉得A.real.astype(np.float64)不够简洁，可以用以下两种等价写法，效果完全一致：

• np.ascontiguousarray(A.real)：专门用于将非连续数组转为连续内存的副本，语义更清晰。
• A.real.copy()：直接创建实部的连续副本，写法更简洁。

这两种写法都能保证数组内存连续，让BLAS高效运算，同时不会有警告。

这是Bug吗？ #

不是Bug，这是Numpy视图机制和BLAS优化特性的正常表现。视图的优势是节省内存，但代价是当内存非连续时，部分运算会失去优化。Numpy并没有自动为视图创建连续副本的机制（因为会增加内存开销），所以需要我们手动处理。

内容的提问来源于stack exchange，提问作者Luca