<div dir="ltr"><div><span class="im">Hey,<br><br></span></div><span class="im">I use complex numbers a lot and obviously need the modulus a lot. However, I am not sure if we need a special function for _performance_ reasons. <br></span><div><div><span class="im"><br>At 10:01 AM 9/20/2015, you wrote:<br>
</span><blockquote type="cite"><span class="im">It is, but since that involves taking sqrt, it is *much* slower. Even
now,<br>
```<br>
In [32]: r = np.arange(10000)*(1+1j) <br><br>
In [33]: %timeit np.abs(r)**2 <br></span>
1000 loops, best of 3: 213 Âµs per loop <br><span class="im"><br>
In [34]: %timeit r.real**2 + r.imag**2 <br></span>
10000 loops, best of 3: 47.5 Âµs per loop<br><br></blockquote><div class="gmail_extra">This benchmark is not quite fair as the first example needs a python function call and the second doesn't. If you benchmark a modulus function against np.abs(x)**2 the performance gain is ca. 30% on my machine. This means that for such a basic operation most of the time is spent in the function call.<br></div><div class="gmail_extra">In my opinion if you want to have speed you write the modulus explicitly in your expression (3-4x speedup on my machine). If you don't need speed you can afford the function call (be it to abs2 or to abs). <br><br>By not providing abs2 in numpy, however, people do not loose out on a lot of performance...<br><br></div><div class="gmail_extra">There may be reasons to provide abs2 related to accuracy. If people (for not knowing it better) use np.abs(x)**2 they lose significant digits I think (may be wrong on that...). I did not look into it, though.<br><br></div><div class="gmail_extra">Cheers<br></div><div class="gmail_extra">Nils<br></div><div class="gmail_extra"><br></div></div></div></div>