问numpy怎么会比我的Fortran例程快这么多？

EN

我从一个模拟(用Fortran编写)中得到了一个512^3的数组，表示温度分布。该数组存储在一个大小约为1/2G的二进制文件中。我需要知道这个数组的最小值、最大值和平均值，因为我很快就需要理解Fortran代码，所以我决定试一试，并想出以下非常简单的例程。

  integer gridsize,unit,j
  real mini,maxi
  double precision mean

  gridsize=512
  unit=40
  open(unit=unit,file='T.out',status='old',access='stream',&
       form='unformatted',action='read')
  read(unit=unit) tmp
  mini=tmp
  maxi=tmp
  mean=tmp
  do j=2,gridsize**3
      read(unit=unit) tmp
      if(tmp>maxi)then
          maxi=tmp
      elseif(tmp<mini)then
          mini=tmp
      end if
      mean=mean+tmp
  end do
  mean=mean/gridsize**3
  close(unit=unit)

在我使用的机器上，每个文件大约需要25秒。我觉得这段代码太长了，所以我继续用Python完成了以下操作：

    import numpy

    mmap=numpy.memmap('T.out',dtype='float32',mode='r',offset=4,\
                                  shape=(512,512,512),order='F')
    mini=numpy.amin(mmap)
    maxi=numpy.amax(mmap)
    mean=numpy.mean(mmap)

现在，我当然希望这会更快，但我真的被打动了。在相同的条件下，它只需要不到一秒的时间。平均值与我的Fortran例程找到的平均值不同(我也是用128位浮点数运行的，所以不知何故我更信任它)，但仅在第7位有意义的数字左右。

numpy怎么能这么快？我的意思是，你必须查看数组的每个条目才能找到这些值，对吧？我是否在我的Fortran例程中做了一些非常愚蠢的事情，让它花了这么长的时间？

编辑：

要回答评论中的问题：

• 是的，我用32位和64位浮点数运行了Fortran例程，但它对性能没有影响。
• 我使用了提供128位浮点数的iso_fortran_env。
• 使用32位浮点数我的意思是，我的意思是不太准确，所以精度确实是一个问题。
• 我以不同的顺序在不同的文件上运行这两个例程，所以缓存应该是公平的，我猜？<代码>H213<代码>H114我实际上尝试打开MP，但同时在不同的位置读取文件。在阅读了你的评论和答案后，这听起来真的很愚蠢，而且它也让例程花费了更长的时间。我可能会在数组操作上尝试一下，但也许那不会是necessary.
• The文件的大小实际上是1/2G，这是一个拼写错误，谢谢。
• 我现在将尝试数组实现。

EDIT 2:

我实现了@Alexander Vogt和@casey在他们的答案中建议的，它和numpy一样快，但现在我有一个精度问题，@Luaan指出我可能会得到。使用32位浮点数组，sum计算的平均值为20%。正在做什么

...
real,allocatable :: tmp (:,:,:)
double precision,allocatable :: tmp2(:,:,:)
...
tmp2=tmp
mean=sum(tmp2)/size(tmp)
...

解决了这个问题，但增加了计算时间(不是很多，但很明显)。有没有更好的方法来解决这个问题？我找不到一种方法直接从文件中读取单元格到双元格。numpy如何避免这种情况呢？

感谢你到目前为止所做的一切。