问题 numpy的性能是否因操作系统而异？

读有趣的书 “从Python到Numpy” 我遇到了一个 例，其描述如下：

让我们考虑一个简单的例子，我们想清除所有的值   来自具有dtype的数组 np.float32。如何写它   最大化速度？

提供的结果让我感到惊讶，当我重新检查它们时，我得到了完全不同的行为。所以，我要求作者仔细检查，但他收到了与之前相同的结果（OS X 10）在下表中：

变种在三台不同的计算机上定时：我的（Win10， Win7的）和作者（OSX 10.13.3）。同 Python 3.6.4 和 numpy 1.14.2，每个变体的时间都是固定的 100循环，最好的3。

编辑：这个问题不是关于这样一个事实：在不同的计算机上，具有不同的特征，我得到不同的时间 - 这是显而易见的:) 问题是两个操作系统的行为有很大不同 - 这不是很明显吗？ （如果是这样的话，如果有人可以仔细检查，我会很高兴）。

设置是： Z = np.ones(4*1000000, np.float32)

| Variant                     | Windows 10 | Ubuntu 17.10 | Windows 7 | OSX 10.13.3 |
|                             |       computer 1          |   comp 2  |    comp 3   |
| --------------------------- | ------------------------- | --------- | ----------- |
| Z.view(np.float64)[...] = 0 | 758 usec   | 1.03 msec    | 2.72 msec | 1.01 msec   |
| Z.view(np.float32)[...] = 0 | 757 usec   | 1.01 msec    | 2.61 msec | 1.58 msec   |
| Z.view(np.float16)[...] = 0 | 760 usec   | 1.01 msec    | 2.62 msec | 2.85 msec   |
| Z.view(np.complex)[...] = 0 | 1.06 msec  | 1.02 msec    | 3.26 msec | 918 usec    |
| Z.view(np.int64)[...] = 0   | 758 usec   | 1.03 msec    | 2.69 msec | 1 msec      |
| Z.view(np.int32)[...] = 0   | 757 usec   | 1.01 msec    | 2.62 msec | 1.46 msec   |
| Z.view(np.int16)[...] = 0   | 760 usec   | 1.01 msec    | 2.63 msec | 2.87 msec   |
| Z.view(np.int8)[...] = 0    | 758 usec   | 773 usec     | 2.68 msec | 614 usec    |
| Z.fill(0)                   | 747 usec   | 998 usec     | 2.55 msec | N/A         |
| Z[...] = 0                  | 750 usec   | 1 msec       | 2.59 msec | N/A         |

正如您在此表中所看到的那样 视窗 结果不依赖于查看的类型，而是依赖于 OS X. 这个黑客高度影响了性能。 您能否提供有关这种情况的见解？

编辑：正如我上面写的那样，三台电脑是不同的。

第一台电脑的规格： Windows 10和Ubuntu 17.10
CPU：Intel Xenon E5-1650v4 3.60GHz
内存：128GB DDR4-2400

第二台电脑的规格： Windows 7的
CPU：Intel Pentium P6100 2.00GHz
内存：4GB DDR3-1333

第三台电脑的规格： 我没有这个信息:)

链接到该问题

编辑2：添加结果 第一台电脑 上 Ubuntu 17.10。