怎样进行Python内置函数与numPy运算速度对比
本篇文章为大家展示了怎样进行Python内置函数与numPy运算速度对比,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。
成都创新互联公司-专业网站定制、快速模板网站建设、高性价比三水网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式三水网站制作公司更省心,省钱,快速模板网站建设找我们,业务覆盖三水地区。费用合理售后完善,十余年实体公司更值得信赖。
Python自己带了几个函数,主要是sum,max,min,同时numPy中也有几个类似的函数,今天对比了一下几个函数的运算速度,发现了还是numpy的array计算速度最快。
思路,通过产生1万个随机数,对其用四种方法求和,以及求最大值,求均值的方式与求和相同,求最小值的方式与求最大值也类似,故只测了求和与最大值两项。
import random import time import numpy as np from pandas import Series a=[] for i in range(100000000): a.append(random.random()) t1=time.time() sum1=sum(a) #直接用内置函数求 t2=time.time() sum2=np.sum(a)#用numpy直接求 t3=time.time() b=np.array(a) t4=time.time() sum3=np.sum(b)#用numpy转换为array后求 t5=time.time() c=Series(a) t6=time.time() sum4=c.sum()#用pandas的Series对象求 t7=time.time() print t2-t1,t3-t2,t5-t4,t7-t6
最后的结果分别为# sum 1.60611581802 9.87746500969 0.223296165466 1.66015696526
可以看出,以array为对象的numpy计算方式最快,而以numpy直接计算最慢,内置函数速度排第二。
求最大值
import random import time import numpy as np from pandas import Series a=[] for i in range(100000000): a.append(random.random()) t1=time.time() sum1=max(a)#直接用内置函数求 t2=time.time() sum2=np.max(a)#用numpy直接求 t3=time.time() b=np.array(a) t4=time.time() sum3=np.max(b)#用numpy转换为array后求 t5=time.time() c=Series(a) t6=time.time() sum4=c.max()#用pandas的Series对象求 t7=time.time() print t2-t1,t3-t2,t5-t4,t7-t6结果为:
# max 2.81509399414 9.83987283707 0.219717025757 1.62969207764
结果依然是以array为计算对象的numpy最快。综上,如果考虑运算速度,应该先将对象转为array,再用numpy进行计算,可获得最快的计算速度。
上述内容就是怎样进行Python内置函数与numPy运算速度对比,你们学到知识或技能了吗?如果还想学到更多技能或者丰富自己的知识储备,欢迎关注创新互联行业资讯频道。
当前文章:怎样进行Python内置函数与numPy运算速度对比
当前URL:http://myzitong.com/article/gocesc.html