怎樣進(jìn)行Python內(nèi)置函數(shù)與numPy運(yùn)算速度對(duì)比

本篇文章為大家展示了怎樣進(jìn)行Python內(nèi)置函數(shù)與numPy運(yùn)算速度對(duì)比，內(nèi)容簡(jiǎn)明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過這篇文章的詳細(xì)介紹希望你能有所收獲。

Python自己帶了幾個(gè)函數(shù)，主要是sum,max,min，同時(shí)numPy中也有幾個(gè)類似的函數(shù)，今天對(duì)比了一下幾個(gè)函數(shù)的運(yùn)算速度，發(fā)現(xiàn)了還是numpy的array計(jì)算速度最快。

思路，通過產(chǎn)生1萬個(gè)隨機(jī)數(shù)，對(duì)其用四種方法求和，以及求最大值，求均值的方式與求和相同，求最小值的方式與求最大值也類似，故只測(cè)了求和與最大值兩項(xiàng)。

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) #直接用內(nèi)置函數(shù)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轉(zhuǎn)換為array后求
t5=time.time()

c=Series(a)
t6=time.time()
sum4=c.sum()#用pandas的Series對(duì)象求
t7=time.time()
print t2-t1,t3-t2,t5-t4,t7-t6

最后的結(jié)果分別為# sum 1.60611581802       9.87746500969    0.223296165466   1.66015696526

可以看出，以array為對(duì)象的numpy計(jì)算方式最快，而以numpy直接計(jì)算最慢，內(nèi)置函數(shù)速度排第二。

求最大值

<pre name="code" class="python">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)#直接用內(nèi)置函數(shù)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轉(zhuǎn)換為array后求
t5=time.time()
c=Series(a)
t6=time.time()
sum4=c.max()#用pandas的Series對(duì)象求
t7=time.time()
print t2-t1,t3-t2,t5-t4,t7-t6

結(jié)果為：
# max 2.81509399414    9.83987283707   0.219717025757    1.62969207764
結(jié)果依然是以array為計(jì)算對(duì)象的numpy最快。

綜上，如果考慮運(yùn)算速度，應(yīng)該先將對(duì)象轉(zhuǎn)為array，再用numpy進(jìn)行計(jì)算，可獲得最快的計(jì)算速度。

上述內(nèi)容就是怎樣進(jìn)行Python內(nèi)置函數(shù)與numPy運(yùn)算速度對(duì)比，你們學(xué)到知識(shí)或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識(shí)儲(chǔ)備，歡迎關(guān)注億速云行業(yè)資訊頻道。