numpy学习指南3rd1:NumPy快速入门

代码地址

  • 你的赞助是我们前进的动力：

一流企业专家自动化性能接口测试 数据分析 python一对一教，非骗人的培训机构(多数大陆培训机构的老师实际未入门）承接excel合并，电脑自动化操作等工程 并欢迎讨论中医草药风水相学等道家国学

qq群python 测试开发自动化测试 144081101 教你做免费的线上博客(放在简历中增加亮点)，自动化测试平台，性能测试工具等，让你有实际项目经验 联系qq：37391319

交流QQ群：python 测试开发自动化测试 144081101 Python数据分析pandas Excel 630011153 中医草药自学自救大数据 391441566 南方中医草药鉴别学习 184175668 中医草药湿热湿疹胃病 291184506 python高级人工智能视觉 6089740

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
#!/usr/bin/env/ python3
# -*- coding: utf-8 -*-
# Author:    china-testing#126.com 技术支持qq群：6089740
# CreateDate: 2018-04-12
# vectorsum.py

import sys
from datetime import datetime
import numpy as np

"""
该段代码演示Python中的向量加法
使用如下命令运行程序：
python vectorsum.py n
n为指定向量大小的整数
加法中的第一个向量包含0到n的整数的平方
第二个向量包含0到n的整数的立方
程序将打印出向量加和后的最后两个元素以及运行消耗的时间
"""

def numpysum(n):
   a = np.arange(n) ** 2
   b = np.arange(n) ** 3
   c = a + b

   return c

def pythonsum(n):
   a = list(range(n))
   b = list(range(n))
   c = []

   for i in range(len(a)):
      a[i] = i ** 2
      b[i] = i ** 3
      c.append(a[i] + b[i])

   return c


size = int(sys.argv[1])

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)

start = datetime.now()
c = numpysum(size)
delta = datetime.now() - start
print("The last 2 elements of the sum", c[-2:])
print("NumPySum elapsed time in microseconds", delta.microseconds)

执行结果：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
$ python3 vectorsum.py  100
The last 2 elements of the sum [950796, 980100]
PythonSum elapsed time in microseconds 167
The last 2 elements of the sum [950796 980100]
NumPySum elapsed time in microseconds 85
$ python3 vectorsum.py  1000
The last 2 elements of the sum [995007996, 998001000]
PythonSum elapsed time in microseconds 1456
The last 2 elements of the sum [995007996 998001000]
NumPySum elapsed time in microseconds 103
$ python3 vectorsum.py  10000
The last 2 elements of the sum [999500079996, 999800010000]
PythonSum elapsed time in microseconds 14696
The last 2 elements of the sum [999500079996 999800010000]
NumPySum elapsed time in microseconds 455

从结果看来，相对于python自带的列表，numpy在大数据量的情况下比较有性能优势。

links