關於Python中的向量相加和numpy中的向量相加效率對比
阿新 • • 發佈:2020-01-09
直接使用Python來實現向量的相加
# -*-coding:utf-8-*- #向量相加 def pythonsum(n): a = range(n) b = range(n) c = [] for i in range(len(a)): a[i] = i**2 b[i] = i**3 c.append(a[i]+b[i]) return a,b,c print pythonsum(4),type(pythonsum(4)) for arg in pythonsum(4): print arg
從這裡這個輸出結果可以看得出來,return多個值時,是以列表的形式返回的
([0,1,4,9],[0,8,27],2,12,36]) <type 'tuple'> [0,9] [0,27] [0,36]
使用numpy包實現兩個向量的相加
def numpysum(n): a = np.arange(n) ** 2 b = np.arange(n) ** 3 c = a + b return a,c
(array([0,9]),array([ 0,27]),36])) <type 'function'> [0 1 4 9] [ 0 1 8 27] [ 0 2 12 36]
比較用Python實現兩個向量相加和用numpy實現兩個向量相加的情況
size = 1000 start = datetime.now() c = pythonsum(size) delta = datetime.now() - start # print 'The last 2 elements of the sum',c[-2:] print 'pythonSum elapsed time in microseconds',delta.microseconds size = 1000 start1 = datetime.now() c1 = numpysum(size) delta1 = datetime.now() - start1 # print 'The last 2 elements of the sum',c1[-2:] print 'numpySum elapsed time in microseconds',delta1.microseconds
從下面程式執行結果我們可以看到在處理向量是numpy要比Python計算高出不知道多少倍
pythonSum elapsed time in microseconds 1000 numpySum elapsed time in microseconds 0
以上這篇關於Python中的向量相加和numpy中的向量相加效率對比就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。