课程随笔—(PYTHON_大数据算法分析01)
对比Python和Numpy实现一维数组相加效率
1)利用 Python 的循环语句来实现两个一维数组相加的示例代码 example1 如下。
2)利用 NumPy 实现两个一维数组相加的示例代码 example2 如下。
注意:在代码中通过 import numpy as np 导入 NumPy,并且命名该别名为 np,在 arange() 函数前面有一个前缀 np,表明该函数是从 NumPy导入。
观察这两个函数的代码,哪种实现方式比较简洁,并且通过测试哪种效率更高?
首先语句一和语句二都是同一作用的函数,一个是python创建的一维数组,另外一个是numpy实现的一维数组
语句:(1)在这里插入代码片
def python_sum(n):
x=list(range(n))
y=list(range(n))
z=[]
for i in range(len(x)):
y[i]=i**2
z.append(x[i]+y[i])
return z
(2)
import numpy as np
def numpy_sum(n):
x=np.arange(n)
y=np.arange(n)**2
z=x+y
return z
(3)
def python_sum(n):
x=list(range(n))
y=list(range(n))
z=[]
for i in range(len(x)):
y[i]=i**2
z.append(x[i]+y[i])
return z
import numpy as np
def numpy_sum(n):
x=np.arange(n)
y=np.arange(n)**2
z=x+y
return zfrom datetime import datetime
n=1000000
Start_time=datetime.now()
python_sum(n)
Time_interval=datetime.now()-Start_time
print(Time_interval)n=1000000
Start_time=datetime.now()
b=numpy_sum(n)
Time_interval=datetime.now() -Start_time
print(Time_interval)
*可以看出结果,numpy创建的数组效率高