关于Python中的向量相加和numpy中的向量相加效率对比


						直接使用Python来实现向量的相加





# -*-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





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





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

[0, 1, 4, 9]

[0, 1, 8, 27]

[0, 2, 12, 36]



使用numpy包实现两个向量的相加





def numpysum(n):

 a = np.arange(n) ** 2

 b = np.arange(n) ** 3

 c = a + b

 return a,b,c







(array([0, 1, 4, 9]), array([ 0, 1, 8, 27]), array([ 0, 2, 12, 36])) <type 'function'>

[0 1 4 9]

[ 0 1 8 27]

[ 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





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





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





pythonSum elapsed time in microseconds 1000

numpySum elapsed time in microseconds 0







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中文源码网。