直接使用Python來實現向量的相加
# -*-coding:utf-8-*-
#向量相加
def pythonsum(n):
a = range(n)
b = range(n)
c = []
for i in range(len(a)):
a[i] = i**2
b[i] = i**3
c.append(a[i]+b[i])
return a,b,c
print pythonsum(4),type(pythonsum(4))
for arg in pythonsum(4):
print arg
從這里這個輸出結果可以看得出來，return多個值時，是以列表的形式返回的
([0, 1, 4, 9], [0, 1, 8, 27], [0, 2, 12, 36])
[0, 1, 4, 9]
[0, 1, 8, 27]
[0, 2, 12, 36]
使用numpy包實現兩個向量的相加
def numpysum(n):
a = np.arange(n) ** 2
b = np.arange(n) ** 3
c = a + b
return a,b,c
(array([0, 1, 4, 9]), array([ 0, 1, 8, 27]), array([ 0, 2, 12, 36]))
[0 1 4 9]
[ 0 1 8 27]
[ 0 2 12 36]
比較用Python實現兩個向量相加和用numpy實現兩個向量相加的情況
size = 1000
start = datetime.now()
c = pythonsum(size)
delta = datetime.now() - start
# print 'The last 2 elements of the sum',c[-2:]
print 'pythonSum elapsed time in microseconds',delta.microseconds
size = 1000
start1 = datetime.now()
c1 = numpysum(size)
delta1 = datetime.now() - start1
# print 'The last 2 elements of the sum',c1[-2:]
print 'numpySum elapsed time in microseconds',delta1.microseconds
從下面程序運行結果我們可以看到在處理向量是numpy要比Python計算高出不知道多少倍
pythonSum elapsed time in microseconds 1000
numpySum elapsed time in microseconds 0
以上這篇關于Python中的向量相加和numpy中的向量相加效率對比就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
