numpy数组及处理：效率对比

Posted 2021-01-09 soooooo

问题：

• 数列：
• a = a1,a2,a3,·····,an
• b = b1,b2,b3,·····,bn
• 求：
• c = a1²+b1³,a2²+b2³,a3²+b3³,·····+an²+bn³

^{1.用列表+循环实现，并包装成函数}

代码：

#用列表+循环实现，并包装成函数
def pySum(s):
    a=list(range(s))
    b=list(range(0,5*s,5))
    c=[]
    for i in range(len(a)):
        c.append(a[i]**2+b[i]**3)
    return c
print(pySum(30))

运行结果：

^{2.用numpy实现，并包装成函数}

代码：

#用numpy实现，并包装成函数
#导入numpy
import numpy
a=numpy.arange(15)    
b=numpy.arange(0,75,5)  
c = a+b
print(a,b,c)

运行结果：

^{3.对比两种方法实现的效率，给定一个较大的参数n，用运行函数前后的timedelta表示。}

代码：

问题：
?数列：
?a = a1,a2,a3,·····,an
?b = b1,b2,b3,·····,bn
?求：
?c = a12+b13,a22+b23,a32+b33,·····+an2+bn3

1.用列表+循环实现，并包装成函数

代码：

#用列表+循环实现，并包装成函数
def pySum(s):
    a=list(range(s))
    b=list(range(0,5*s,5))
    c=[]
    for i in range(len(a)):
        c.append(a[i]**2+b[i]**3)
    return c
print(pySum(30))

运行结果：

2.用numpy实现，并包装成函数

代码：

#用numpy实现，并包装成函数
#导入numpy
import numpy
a=numpy.arange(15)    
b=numpy.arange(0,75,5)  
c = a+b
print(a,b,c)

运行结果：


3.对比两种方法实现的效率，给定一个较大的参数n，用运行函数前后的timedelta表示。

代码：

#用列表+循环实现，并包装成函数
def pySum(n):
    a = list(range(n))
    b = list(range(0,5*n,5))
    c = []
    for i in range(len(a)):
        c.append(a[i] ** 2 + b[i] ** 3)
    return (c)
print(pySum(30))


#用numpy实现，并包装成函数
import numpy
def npSum(n):
    a = numpy.arange(10)
    b = numpy.arange(0,50,5)
    c = a+b
    return c
print(npSum(10))


#比较两种方法的实现效率
from datetime import datetime
start = datetime.now()
pySum(100000)
delta = datetime.now()-start
print(delta)

from datetime import datetime
start = datetime.now()
npSum(100000)
delta = datetime.now()-start
print(delta)

运行结果：

结论是：由上述结果显示，第二种用numpy实现比第一种用列表+循环实现的实用效率要快。