对比Numpy的数组和Python列表的求和速度

发布时间:2024年01月06日

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。

文章来源:https://blog.csdn.net/qq_37703224/article/details/135425000
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。