numpy数组及处理:效率对比

Posted soooooo

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了numpy数组及处理:效率对比相关的知识,希望对你有一定的参考价值。

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:

技术分享图片

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:
技术分享图片

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:

技术分享图片

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。

 


以上是关于numpy数组及处理:效率对比的主要内容,如果未能解决你的问题,请参考以下文章

numpy数组及处理:效率对比

numpy数组及处理:效率对比

numpy数组及处理:效率对比

numpy数组及处理:效率对比

numpy数组及处理:效率对比

numpy数组及处理:效率对比