马上注册，结交更多好友，享用更多功能^_^
您需要 登录 才可以下载或查看，没有账号？立即注册
x
本帖最后由 不二如是 于 2020-2-9 23:40 编辑
上一讲我们搭建完环境，现在来体验下 Numpy 的高效。
继续用我们的列表表达式快速生成，a 和 b 两个列表：
a 是 0 到 9 共 10 个自然数，b 是 1 到 10 共 10 个自然数。
若想让两个列表对应项相加，直接：
嗯？？怎么变成拼接了...
我们可以采取最原始的办法，新建一个空列表 c 。
通过 append 方法，在循环中将 a 和 b 每个位置求和插入其中。
代码实现：
c = []
for i in range(len(a)):
c.append(a[i] + b[i])
print(c)
没问题，结果是我们想要的。
既然用了 Numpy，我就可以直接这么写：
np.array(a) + np.array(b)
当然就这样，都是一瞬间出结果，看不出来高效不高效问题。
怎么办？
用时间快慢来衡量，例如这段代码：
该段代码常用来统计运行时间，time.perf_counter() 会返回系统运行时间。
通过 time.sleep(1) 人为暂停 1 秒，来看运行结果：
这样我们只要将 time.sleep(1) 换为我们的函数块，通过对比时间就能看出效率高低。
两个方法也有，为了更清楚的看出效率，将上面的相加算法改为：
修改第一个循环代码改为：
c = []
for i in range(len(a)):
c.append(a[i]**2 + b[i]**2)
print(c)
修改 numpy 方法代码：
np.array(a)**2 + np.array(b)**2
想一想如果千万的货币交易，1 位的变化，那也是很多钱哦～
下一讲我们用更多代码来感受 Numpy 的高效！
如果有收获，别忘了评分 ：
如果想看更多，请订阅 淘专辑（ 传送门）（ 不喜欢更要订阅 ） | 
( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)
狗仔卡
发表于 2020-2-9 21:14:17
置顶卡
千斤顶
显身卡
发表于 2020-2-9 21:17:54
楼主
发表于 2020-2-10 11:07:00