В чем разница между np.sum и np.add.reduce?

В чем разница между np.sum и np.add.reduce?
Хотя документы достаточно явны:

Например, add.reduce() эквивалентно sum().

Производительность двух выглядит совершенно по-другому: для относительно небольших размеров массива add.reduce примерно в два раза быстрее.

$ python -mtimeit -s"import numpy as np; a = np.random.rand(100); summ=np.sum" "summ(a)"
100000 loops, best of 3: 2.11 usec per loop
$ python -mtimeit -s"import numpy as np; a = np.random.rand(100); summ=np.add.reduce" "summ(a)"
1000000 loops, best of 3: 0.81 usec per loop

$ python -mtimeit -s"import numpy as np; a = np.random.rand(1000); summ=np.sum" "summ(a)"
100000 loops, best of 3: 2.78 usec per loop
$ python -mtimeit -s"import numpy as np; a = np.random.rand(1000); summ=np.add.reduce" "summ(a)"
1000000 loops, best of 3: 1.5 usec per loop

Для больших размеров массива разница, похоже, исчезает:

$ python -mtimeit -s"import numpy as np; a = np.random.rand(10000); summ=np.sum" "summ(a)"
100000 loops, best of 3: 10.7 usec per loop
$ python -mtimeit -s"import numpy as np; a = np.random.rand(10000); summ=np.add.reduce" "summ(a)"
100000 loops, best of 3: 9.2 usec per loop

Ответ 1

Короткий ответ: когда аргумент представляет собой массив numpy, np.sum в конечном итоге вызывает add.reduce для выполнения этой работы. Накладные расходы на обработку своего аргумента и отправка на add.reduce объясняются тем, что np.sum работает медленнее.

Более длинный ответ: np.sum определяется в numpy/core/fromnumeric.py. В определении np.sum вы будете что работа передается на _methods._sum. Эта функция, в _methods.py, проста:

def _sum(a, axis=None, dtype=None, out=None, keepdims=False):
    return um.add.reduce(a, axis=axis, dtype=dtype,
                            out=out, keepdims=keepdims)

um - это модуль, в котором определяется add ufunc.

Ответ 2

На самом деле существует одна разница, которая может вас укусить, если вы должны слепо реорганизовать от одного к другому:

>>> import numpy as np
>>> a = np.arange(4).reshape(2, 2)
>>> 
>>> np.sum(a)
6
>>> np.add.reduce(a)
array([2, 4])
>>>

Значения axis по умолчанию различны!