溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊(cè)×
其他方式登錄
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶(hù)服務(wù)條款》

python numexpr怎么使用

發(fā)布時(shí)間:2021-12-27 10:32:51 來(lái)源:億速云 閱讀:225 作者:iii 欄目:大數(shù)據(jù)

本篇內(nèi)容介紹了“python numexpr怎么使用”的有關(guān)知識(shí),在實(shí)際案例的操作過(guò)程中,不少人都會(huì)遇到這樣的困境,接下來(lái)就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧!希望大家仔細(xì)閱讀,能夠?qū)W有所成!

開(kāi)篇

python語(yǔ)言被廣泛用于數(shù)據(jù)分析和機(jī)器學(xué)習(xí)。但是,由于python的底層特性,python的運(yùn)行速率低一直被廣泛詬病。其中,numpy和pandas的廣泛使用已經(jīng)將數(shù)據(jù)處理和機(jī)器學(xué)習(xí)的速率提升了幾個(gè)檔次。

但是,隨著數(shù)據(jù)的越來(lái)越多,很多人已經(jīng)不再滿足numpy和pandas的速度,從而退出了一批加速優(yōu)化拓展包。這篇文章主要介紹一個(gè)輕量、但是功能強(qiáng)大的python擴(kuò)展包 ”NumExpr",看看它是如何高效解析數(shù)學(xué)公式的。

NumExpr

NumExpr的使用及其簡(jiǎn)單,只需要將原來(lái)的numpy語(yǔ)句使用雙引號(hào)框起來(lái),并使用numexpr中的evaluate方法調(diào)用即可。

python numexpr怎么使用

第一步:需要引入 numexpr 和 numpy 擴(kuò)展包;

import numexpr as ne

import numpy as np

第二步:創(chuàng)建兩個(gè)numpy的array - a 和 b;

a和b兩個(gè)所包含的數(shù)據(jù)個(gè)數(shù)為100萬(wàn)個(gè)。

python numexpr怎么使用

當(dāng)我們需要執(zhí)行簡(jiǎn)單的加減乘除的時(shí)候,numexpr的效率已經(jīng)得到了很好地體現(xiàn)。如上圖所示,通過(guò)執(zhí)行 2 * a + 3 * b,如果直接操作,需要3.39 毫秒。但是,如果我們是用ne.evaluate加速,可以將時(shí)間縮短至1.55 毫秒。

numexpr在更加復(fù)雜的數(shù)學(xué)表達(dá)式運(yùn)算中,表現(xiàn)到底如何呢?

python numexpr怎么使用

當(dāng)我們使用如上所示的數(shù)學(xué)表達(dá)式,正常執(zhí)行需要28.3 ms。而通過(guò)numexpr的加速,只需要3.03 ms。

注意,numexpr是可以識(shí)別 sin 函數(shù)的,所以我們不需要在evaluate里面寫(xiě)np.sin,可以直接寫(xiě) sin。

python numexpr怎么使用

總結(jié):處理數(shù)據(jù)量越大,數(shù)學(xué)計(jì)算越復(fù)雜,則numexpr的加速效果越明顯。

python numexpr怎么使用

numpy 和 numexpr 比較

我們可以看到,當(dāng)np.array的元素個(gè)數(shù)超過(guò)10e8,加速效果更加顯著。

numexpr也支持邏輯表達(dá)式和復(fù)數(shù)表達(dá)式的加速,有興趣的讀者朋友可以自行比較。

numexpr 多線程加速

numexpr還有一個(gè)重要的加速利器,多線程操作。通過(guò) ne.set_num_threads(1) 可以設(shè)置線程的數(shù)量,更多的線程表示程序可以同時(shí)對(duì)數(shù)學(xué)表達(dá)式進(jìn)行計(jì)算。

python numexpr怎么使用

如上所示,如果我們?cè)O(shè)置單線程,程序運(yùn)行需要13.4 ms。設(shè)置了雙線程,速度則可以提升一倍。

numexpr對(duì)pandas的加速

numexpr的設(shè)計(jì)主要針對(duì)的是numpy。同樣的,我們知道pandas也是基于numpy開(kāi)發(fā)的。自然,numexpr同樣可以被用來(lái)對(duì)pandas加速。

pandas中有一個(gè)eval方法就是運(yùn)用了numexpr,對(duì)pandas代碼進(jìn)行優(yōu)化加速。

python numexpr怎么使用

python numexpr怎么使用

當(dāng)我們構(gòu)建幾個(gè)pandas的dataframe,然后對(duì)它們進(jìn)行運(yùn)算的時(shí)候,pd.eval 可以將程序從原先的47.4 ms 加速到17.6 ms。

“python numexpr怎么使用”的內(nèi)容就介紹到這里了,感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站,小編將為大家輸出更多高質(zhì)量的實(shí)用文章!

向AI問(wèn)一下細(xì)節(jié)

免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI