经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置:技术经验 » 程序设计 » NumPy » 查看文章
关于Python中的向量相加和numpy中的向量相加效率对比
来源:jb51  时间:2019/8/27 9:26:14  对本文有异议

直接使用Python来实现向量的相加

  1. # -*-coding:utf-8-*-
  2. #向量相加
  3. def pythonsum(n):
  4. a = range(n)
  5. b = range(n)
  6. c = []
  7. for i in range(len(a)):
  8. a[i] = i**2
  9. b[i] = i**3
  10. c.append(a[i]+b[i])
  11. return a,b,c
  12.  
  13. print pythonsum(4),type(pythonsum(4))
  14. for arg in pythonsum(4):
  15. print arg

从这里这个输出结果可以看得出来,return多个值时,是以列表的形式返回的

  1. ([0, 1, 4, 9], [0, 1, 8, 27], [0, 2, 12, 36]) <type 'tuple'>
  2. [0, 1, 4, 9]
  3. [0, 1, 8, 27]
  4. [0, 2, 12, 36]

使用numpy包实现两个向量的相加

  1. def numpysum(n):
  2. a = np.arange(n) ** 2
  3. b = np.arange(n) ** 3
  4. c = a + b
  5. return a,b,c
  1. (array([0, 1, 4, 9]), array([ 0, 1, 8, 27]), array([ 0, 2, 12, 36])) <type 'function'>
  2. [0 1 4 9]
  3. [ 0 1 8 27]
  4. [ 0 2 12 36]

比较用Python实现两个向量相加和用numpy实现两个向量相加的情况

  1. size = 1000
  2. start = datetime.now()
  3. c = pythonsum(size)
  4. delta = datetime.now() - start
  5. # print 'The last 2 elements of the sum',c[-2:]
  6. print 'pythonSum elapsed time in microseconds',delta.microseconds
  7.  
  8. size = 1000
  9. start1 = datetime.now()
  10. c1 = numpysum(size)
  11. delta1 = datetime.now() - start1
  12. # print 'The last 2 elements of the sum',c1[-2:]
  13. print 'numpySum elapsed time in microseconds',delta1.microseconds

从下面程序运行结果我们可以看到在处理向量是numpy要比Python计算高出不知道多少倍

  1. pythonSum elapsed time in microseconds 1000
  2. numpySum elapsed time in microseconds 0
  3.  

以上这篇关于Python中的向量相加和numpy中的向量相加效率对比就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持w3xue。

 友情链接:直通硅谷  点职佳  北美留学生论坛

本站QQ群:前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

W3xue 的所有内容仅供测试,对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接(目前9元/月)请联系QQ:27243702 沸活量
皖ICP备17017327号-2 皖公网安备34020702000426号