脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Numpy二维数组遍历与二维数组切片后遍历效率比较

python中的Numpy二维数组遍历与二维数组切片后遍历效率比较

 更新时间：2022年03月01日 11:23:54   作者：大DDDDD  
这篇文章主要介绍了python中的Numpy二维数组遍历与二维数组切片后遍历效率比较，在python-numpy使用中，可以用双层 for循环对数组元素进行访问，也可以切片成每一行后进行一维数组的遍历，下面小编击来举例介绍吧,需要的朋友可以参考一下

在python-numpy使用中，可以用双层 for循环对数组元素进行访问，也可以切片成每一行后进行一维数组的遍历。

代码如下：

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)中的数，因此两种操作会遍历所有的元素。多轮测试后，耗时如下:

当NUM为160时：

end1 0.006983518600463867
end2 0.003988742828369141

当NUM为1600时：

end1 0.71415114402771
end2 0.45178747177124023

结论：切片后遍历更快
原因：
楼主还暂不明确

一个想法：

b=a[ii,:]

在numpy中，为了提高效率，这种切片出来的子矩阵其实都是原矩阵的引用而已，所以改变子矩阵，原矩阵还是会变的
所以在内层循环中，第二种方法是在那一行元素所在的内存进行寻找。而第一种方法是先定位到行，再定位到列，所以比较慢？
大家是怎么想的呢？

关于numba在小数据量下的速度慢于普通操作

什么是numba？

numba

实验比较：

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，当NUM为1600时，结果如下：

end1 0.2991981506347656 #无切片，有加速
end2 0.6372940540313721 #无切片，无加速
end3 0.08377814292907715 #有切片，有加速
end4 0.358079195022583   #有切片，无加速

其他条件相同的情况下，有切片的速度更快。同样，有numba加速的也比没加速的快。
但当NUM =160时，结果如下：

end1 0.29620814323425293   #无切片，有加速
end2 0.006980180740356445  #无切片，无加速
end3 0.08580684661865234   #有切片，有加速
end4 0.0029993057250976562 #有切片，无加速

有切片依旧比无切片的快。但是有numba加速的却比没有numba加速的慢。
原来@jit(nopython=True)只是对函数进行修饰，第一次调用会进行编译，编译成机器码，之后速度就会很快。

实验代码如下：

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("---")

结果如下：

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
---

结论：

numba加速时，第一次需要编译，需要耗时。之后调用就不需要了。

到此这篇关于python中的Numpy二维数组遍历与二维数组切片后遍历效率比较的文章就介绍到这了,更多相关Numpy二维数组遍历与二维数组切片后遍历效率比较内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • python实现拉格朗日插值及作图

    python实现拉格朗日插值及作图

    这篇文章主要为大家详细介绍了python实现拉格朗日插值及作图，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2021-04-04
  • Django+Ajax异步刷新/定时自动刷新实例详解

    Django+Ajax异步刷新/定时自动刷新实例详解

    AJAX是前端技术的集合,包括JavaScript、XML、HTML、CSS等,下面这篇文章主要给大家介绍了关于Django+Ajax异步刷新/定时自动刷新的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
    2022-10-10
  • 详解Python 实现元胞自动机中的生命游戏(Game of life)

    详解Python 实现元胞自动机中的生命游戏(Game of life)

    本篇文章主要介绍了详解Python 实现元胞自动机中的生命游戏(Game of life)，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2018-01-01
  • python代码实现猜拳小游戏

    python代码实现猜拳小游戏

    这篇文章主要为大家详细介绍了python代码实现猜拳小游戏，以文本文件存储与调用信息，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2020-11-11
  • python playwright 库上传和下载操作(自动化测试 playwright)

    python playwright 库上传和下载操作(自动化测试 playwright)

    这篇文章主要介绍了python playwright 库上传和下载操作(自动化测试 playwright ),playwright中的上传和下载比selenium的上传和下载要简便些,本文结合实例代码给大家介绍的非常详细，需要的朋友可以参考下
    2023-05-05
  • python多线程案例之多任务copy文件完整实例

    python多线程案例之多任务copy文件完整实例

    这篇文章主要介绍了python多线程案例之多任务copy文件,结合完整实例形式分析了Python使用multiprocessing模块实现基于多线程的文件拷贝相关操作技巧,需要的朋友可以参考下
    2019-10-10
  • python实现双人贪吃蛇小游戏

    python实现双人贪吃蛇小游戏

    这篇文章主要为大家详细介绍了python实现双人贪吃蛇小游戏，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2021-08-08
  • linux环境下python中MySQLdb模块的安装方法

    linux环境下python中MySQLdb模块的安装方法

    这篇文章主要给大家介绍了在linux环境下python中MySQLdb模块的安装方法，文中给大家介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面来一起看看吧。
    2017-06-06
  • Python图形化界面基础篇之如何使用弹出窗口和对话框

    Python图形化界面基础篇之如何使用弹出窗口和对话框

    对于Python程序员来说,处理弹出窗口似乎并不是一个常见的任务,这篇文章主要给大家介绍了关于Python图形化界面基础篇之如何使用弹出窗口和对话框的相关资料,需要的朋友可以参考下
    2024-03-03
  • 如何在Python 中获取单成员集合中的唯一元素

    如何在Python 中获取单成员集合中的唯一元素

    这篇文章主要介绍了如何在Python 中获取单成员集合中的唯一元素,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
    2023-03-03

最新评论