python中的Numpy二维数组遍历与二维数组切片后遍历效率比较_F11

分享到

python中的Numpy二维数组遍历与二维数组切片后遍历效率比较

python 来源：互联网作者：秩名发布时间：2022-03-01 15:00:29 人浏览

摘要

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： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 import numpy as np import t

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

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。

您可能感兴趣的文章 :

原文链接 : https://blog.csdn.net/lllllllllljg/article/details/123105559

Tag : python(762)numpy(15)切片(9)二维数组(6)

Python Django教程之实现新闻应用程序

Django是一个用Python编写的高级框架，它允许我们创建服务器端Web应用程序。在本文中，我们将了解如何使用Django创建新闻应用程序。我们将
书写Python代码的一种更优雅方式(推荐!)

一些比较熟悉pandas的读者朋友应该经常会使用query()、eval()、pipe()、assign()等pandas的常用方法，书写可读性很高的「链式」数据分析处理代码
Python灰度变换中伽马变换分析实现

1. 介绍伽马变换主要目的是对比度拉伸，将图像灰度较低的部分进行修正伽马变换针对的是对单个像素点的变换，也就是点对点的映射形
使用OpenCV实现迷宫解密的全过程

一、你能自己走出迷宫吗？如下图所示，可以看到是一张较为复杂的迷宫图，相信也有人尝试过自己一点一点的找出口，但我们肉眼来解谜
Python中的数据精度问题的介绍

一、python运算时精度问题 1.运行时精度问题在Python中（其他语言中也存在这个问题，这是计算机采用二进制导致的），有时候由于二进制和
Python随机值生成的常用方法

一、随机整数 1.包含上下限：[a, b] 1 2 3 4 import random #1、随机整数：包含上下限：[a, b] for i in range(10): print(random.randint(0,5),end= | ) 查看运行结
Python字典高级用法深入分析讲解

一、 collections 中 defaultdict 的使用 1.字典的键映射多个值将下面的列表转成字典 l = [(a,2),(b,3),(a,1),(b,4),(a,3),(a,1),(b,3)] 一个字典就是一个键对
Python浅析多态与鸭子类型使用实例

什么多态：同一事物有多种形态为何要有多态=》多态会带来什么样的特性，多态性多态性指的是可以在不考虑对象具体类型的情况下而直
Python字典高级用法深入分析介绍

一、 collections 中 defaultdict 的使用 1.字典的键映射多个值将下面的列表转成字典 l = [(a,2),(b,3),(a,1),(b,4),(a,3),(a,1),(b,3)] 一个字典就是一个键对
Python淘宝或京东等秒杀抢购脚本实现(秒杀脚本

我们的目标是秒杀淘宝或京东等的订单，这里面有几个关键点，首先需要登录淘宝或京东，其次你需要准备好订单，最后要在指定时间快速