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。

總結

以上是生活随笔為你收集整理的python 向量_关于Python中的向量相加和numpy中的向量相加效率对比的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。