导入numpy
import numpy as np
创建一维数组:
na1 = np.array([1,2])
na1
比较Numpy数组和Python列表的求和效率:
import random
import time
import numpy as np
# 构造一个1000000条数据的随机数组
arr = [random.randint(1,1000) for _ in range(1000000)]
# 转换为Numpy数组
narr = np.array(arr)
使用Python的列表求和:
# 使用python列表求和,并使用 %time计算花费时间
%time sum(arr)
输出结果如下:
CPU times: user 3.97 ms, sys: 0 ns, total: 3.97 ms
Wall time: 3.99 ms
500360518
使用Numpy的数组求和:
%time np.sum(narr)
输出结果如下:
CPU times: user 2.82 ms, sys: 430 μs, total: 3.25 ms
Wall time: 2.38 ms
500360518
从结果来看,Numpy的数组运算比Python的列表运算要快如下时间:
3.99/2.38
1.6764705882352944
也就是将近1.7倍的一个速度。