python中的Numpy二維數(shù)組遍歷與二維數(shù)組切片后遍歷效率比較
在python-numpy使用中，可以用雙層 for循環(huán)對數(shù)組元素進(jìn)行訪問，也可以切片成每一行后進(jìn)行一維數(shù)組的遍歷。
代碼如下：
import numpy as np
import time
NUM = 160
a=np.random.random((NUM,NUM))
start = time.time()
for i in range(NUM):
? ? for j in range(NUM):
? ? ? ? if a[i][j] == 1.0:
? ? ? ? ? ? pass
end1 = ?time.time()
for ii in range(NUM):
? ? b = a[ii,:]
? ? for jj in range(NUM):
? ? ? ? if b[jj] == 1.0:
? ? ? ? ? ? pass?
end2 = ?time.time()
print("end1",end1-start)
print("end2",end2-end1)由于生成的是[0,1)中的數(shù)，因此兩種操作會遍歷所有的元素。多輪測試后，耗時如下:
當(dāng)NUM為160時：
end1 0.006983518600463867
end2 0.003988742828369141
當(dāng)NUM為1600時：
end1 0.71415114402771
end2 0.45178747177124023
結(jié)論：切片后遍歷更快
原因：
樓主還暫不明確
一個想法：
b=a[ii,:]
在numpy中，為了提高效率，這種切片出來的子矩陣其實(shí)都是原矩陣的引用而已，所以改變子矩陣，原矩陣還是會變的
所以在內(nèi)層循環(huán)中，第二種方法是在那一行元素所在的內(nèi)存進(jìn)行尋找。而第一種方法是先定位到行，再定位到列，所以比較慢？
大家是怎么想的呢？
關(guān)于numba在小數(shù)據(jù)量下的速度慢于普通操作
什么是numba？
實(shí)驗(yàn)比較：
import numpy as np
import time
NUM = 160
from numba import jit
a=np.random.random((NUM,NUM))
@jit(nopython=True)
def fun1(a):
? ? for i in range(NUM):
? ? ? ? for j in range(NUM):
? ? ? ? ? ? if a[i][j] == 1.0:
? ? ? ? ? ? ? ? pass
def fun2(a):
? ? for i in range(NUM):
? ? ? ? for j in range(NUM):
? ? ? ? ? ? if a[i][j] == 1.0:
? ? ? ? ? ? ? ? pass
? ??
@jit(nopython=True)
def fun3(a):
? ? for ii in range(NUM):
? ? ? ? b = a[ii,:]
? ? ? ? for jj in range(NUM):
? ? ? ? ? ? if b[jj] == 1.0:
? ? ? ? ? ? ? ? pass?
def fun4(a):
? ? for iii in range(NUM):
? ? ? ? b = a[iii,:]
? ? ? ? for jjj in range(NUM):
? ? ? ? ? ? if b[jjj] == 1.0:
? ? ? ? ? ? ? ? pass?
start = time.time()
fun1(a)
end1 = ?time.time()
fun2(a)
end2 = ?time.time()
fun3(a)
end3 = ?time.time()
fun4(a)
end4 = ?time.time()
print("end1",end1-start)
print("end2",end2-end1)
print("end3",end3-end2)
print("end4",end4-end3)首先，當(dāng)NUM為1600時，結(jié)果如下：
end1 0.2991981506347656 #無切片，有加速
end2 0.6372940540313721 #無切片，無加速
end3 0.08377814292907715 #有切片，有加速
end4 0.358079195022583 #有切片，無加速
其他條件相同的情況下，有切片的速度更快。同樣，有numba加速的也比沒加速的快。
但當(dāng)NUM =160時，結(jié)果如下：
end1 0.29620814323425293 #無切片，有加速
end2 0.006980180740356445 #無切片，無加速
end3 0.08580684661865234 #有切片，有加速
end4 0.0029993057250976562 #有切片，無加速
有切片依舊比無切片的快。但是有numba加速的卻比沒有numba加速的慢。
原來@jit(nopython=True)只是對函數(shù)進(jìn)行修飾，第一次調(diào)用會進(jìn)行編譯，編譯成機(jī)器碼，之后速度就會很快。
實(shí)驗(yàn)代碼如下：
import numpy as np
import time
NUM = 160
from numba import jit
a=np.random.random((NUM,NUM))
@jit(nopython=True)
def fun1(a):
? ? for i in range(NUM):
? ? ? ? for j in range(NUM):
? ? ? ? ? ? if a[i][j] == 1.0:
? ? ? ? ? ? ? ? pass
def fun2(a):
? ? for i in range(NUM):
? ? ? ? for j in range(NUM):
? ? ? ? ? ? if a[i][j] == 1.0:
? ? ? ? ? ? ? ? pass
? ??
@jit(nopython=True)
def fun3(a):
? ? for ii in range(NUM):
? ? ? ? b = a[ii,:]
? ? ? ? for jj in range(NUM):
? ? ? ? ? ? if b[jj] == 1.0:
? ? ? ? ? ? ? ? pass?
def fun4(a):
? ? for iii in range(NUM):
? ? ? ? b = a[iii,:]
? ? ? ? for jjj in range(NUM):
? ? ? ? ? ? if b[jjj] == 1.0:
? ? ? ? ? ? ? ? pass?
for b in range(4):
? ? start = time.time()
? ? fun1(a)
? ? end1 = ?time.time()
? ? fun2(a)
? ? end2 = ?time.time()
? ? fun3(a)
? ? end3 = ?time.time()
? ? fun4(a)
? ? end4 = ?time.time()
? ? print("end1",end1-start)
? ? print("end2",end2-end1)
? ? print("end3",end3-end2)
? ? print("end4",end4-end3)
? ? print("---")結(jié)果如下：
end1 0.29421305656433105
end2 0.0059833526611328125
end3 0.08181905746459961
end4 0.0029909610748291016
---
end1 0.0
end2 0.005949735641479492
end3 0.0
end4 0.004008769989013672
---
end1 0.0
end2 0.006977558135986328
end3 0.0
end4 0.00399017333984375
---
end1 0.0
end2 0.005974292755126953
end3 0.0
end4 0.003837108612060547
---
結(jié)論：
numba加速時，第一次需要編譯，需要耗時。之后調(diào)用就不需要了。
到此這篇關(guān)于python中的Numpy二維數(shù)組遍歷與二維數(shù)組切片后遍歷效率比較的文章就介紹到這了,更多相關(guān)Numpy二維數(shù)組遍歷與二維數(shù)組切片后遍歷效率比較內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)拉格朗日插值及作圖，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-04-04
Django+Ajax異步刷新/定時自動刷新實(shí)例詳解
AJAX是前端技術(shù)的集合,包括JavaScript、XML、HTML、CSS等,下面這篇文章主要給大家介紹了關(guān)于Django+Ajax異步刷新/定時自動刷新的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-10-10
詳解Python 實(shí)現(xiàn)元胞自動機(jī)中的生命游戲(Game of life)
本篇文章主要介紹了詳解Python 實(shí)現(xiàn)元胞自動機(jī)中的生命游戲(Game of life)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-01-01
這篇文章主要為大家詳細(xì)介紹了python代碼實(shí)現(xiàn)猜拳小游戲，以文本文件存儲與調(diào)用信息，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2020-11-11
python?playwright?庫上傳和下載操作(自動化測試?playwright)
這篇文章主要介紹了python?playwright?庫上傳和下載操作(自動化測試?playwright?),playwright中的上傳和下載比selenium的上傳和下載要簡便些,本文結(jié)合實(shí)例代碼給大家介紹的非常詳細(xì)，需要的朋友可以參考下2023-05-05
python多線程案例之多任務(wù)copy文件完整實(shí)例
這篇文章主要介紹了python多線程案例之多任務(wù)copy文件,結(jié)合完整實(shí)例形式分析了Python使用multiprocessing模塊實(shí)現(xiàn)基于多線程的文件拷貝相關(guān)操作技巧,需要的朋友可以參考下2019-10-10
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)雙人貪吃蛇小游戲，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-08-08
linux環(huán)境下python中MySQLdb模塊的安裝方法
這篇文章主要給大家介紹了在linux環(huán)境下python中MySQLdb模塊的安裝方法，文中給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面來一起看看吧。2017-06-06
Python圖形化界面基礎(chǔ)篇之如何使用彈出窗口和對話框
對于Python程序員來說,處理彈出窗口似乎并不是一個常見的任務(wù),這篇文章主要給大家介紹了關(guān)于Python圖形化界面基礎(chǔ)篇之如何使用彈出窗口和對話框的相關(guān)資料,需要的朋友可以參考下2024-03-03
這篇文章主要介紹了如何在Python?中獲取單成員集合中的唯一元素,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2023-03-03