亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

python?list與numpy數(shù)組效率對(duì)比

 更新時(shí)間:2023年02月01日 08:30:26   作者:強(qiáng)殖裝甲凱普  
這篇文章主要介紹了python?list與numpy數(shù)組效率對(duì)比分析,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

前言

因?yàn)榻?jīng)常一訓(xùn)練就是很多次迭代,所以找到效率比較高的操作能大大縮短運(yùn)行時(shí)間,但這方面資料不足,所以自己記錄總結(jié)一下,有需要再補(bǔ)充

索引效率與內(nèi)存占用比較

有時(shí)候我需要一個(gè)數(shù)組,然后可能會(huì)頻繁從中索引數(shù)據(jù),那么我選擇list還是numpy array呢,這里做了一個(gè)簡(jiǎn)單的實(shí)驗(yàn)進(jìn)行比較,環(huán)境python 3.6

import random
import numpy as np
import time
import sys
# import matplotlib
# matplotlib.use('agg')
import matplotlib.pyplot as plt
from collections import deque

start = time.time()
length = []

list_size = []
array_size = []
deque_size = []

list_time = []
array_time = []
deque_time = []

for l in range(5, 15000, 5):
    print(l)
    length.append(l)
    a = [1] * l
    b = np.array(a)
    c = deque(maxlen=l)
    for i in range(l):
        c.append(1)

    # print('list的size為:{}'.format(sys.getsizeof(a)))
    # print('array的size為:{}'.format(sys.getsizeof(b)))
    # print('deque的size為:{}'.format(sys.getsizeof(c)))
    list_size.append(sys.getsizeof(a))
    array_size.append(sys.getsizeof(b))
    deque_size.append(sys.getsizeof(c))

    for i in range(3):
        if i == 0:
            tmp = a
            name = 'list'
        elif i == 1:
            tmp = b
            name = 'array'
        else:
            tmp = c
            name = 'deque'

        s = time.time()
        for j in range(1000000):
            x = tmp[random.randint(0, len(a)-1)]
        duration = time.time() - s

        if name == 'list':
            list_time.append(duration)
        elif name == 'array':
            array_time.append(duration)
        else:
            deque_time.append(duration)

duration = time.time() - start
time_list = [0, 0, 0]
time_list[0] = duration // 3600
time_list[1] = (duration % 3600) // 60
time_list[2] = round(duration % 60, 2)
print('用時(shí):' + str(time_list[0]) + ' 時(shí) ' + str(time_list[1]) + '分' + str(time_list[2]) + '秒')

fig = plt.figure()

ax1 = fig.add_subplot(211)
ax1.plot(length, list_size, label='list')
ax1.plot(length, array_size, label='array')
ax1.plot(length, deque_size, label='deque')
plt.xlabel('length')
plt.ylabel('size')
plt.legend()

ax2 = fig.add_subplot(212)
ax2.plot(length, list_time, label='list')
ax2.plot(length, array_time, label='array')
ax2.plot(length, deque_time, label='deque')
plt.xlabel('length')
plt.ylabel('time')
plt.legend()

plt.show()

對(duì)不同大小的list,numpy array和deque進(jìn)行一百萬(wàn)次的索引,結(jié)果為

可以看出,numpy array對(duì)內(nèi)存的優(yōu)化很好,長(zhǎng)度越大,其相比list和deque占用內(nèi)存越少。

list比deque稍微好一點(diǎn)。因此如果對(duì)內(nèi)存占用敏感,選擇優(yōu)先級(jí):numpy array>>list>deque

時(shí)間上,在15000以下這個(gè)長(zhǎng)度,list基本都最快。其中

  • 長(zhǎng)度<1000左右時(shí),deque跟list差不多,選擇優(yōu)先級(jí):list≈ \approx≈deque>numpy array;
  • 長(zhǎng)度<9000左右,選擇優(yōu)先級(jí):list>deque>numpy array;
  • 長(zhǎng)度>9000左右,選擇優(yōu)先級(jí):list>numpy array>deque;

不過(guò)時(shí)間上的差距都不大,幾乎可以忽略,差距主要體現(xiàn)在內(nèi)存占用上。因此如果對(duì)內(nèi)存不敏感,list是最好選擇。

整個(gè)實(shí)驗(yàn)使用i7-9700,耗時(shí)2.0 時(shí) 36.0分20.27秒,如果有人愿意嘗試更大的量級(jí),更小的間隔,歡迎告知我結(jié)果。

添加效率比較

numpy的數(shù)組沒(méi)有動(dòng)態(tài)改變大小的功能,因此這里numpy數(shù)據(jù)只是對(duì)其進(jìn)行賦值。

import numpy as np
import time
from collections import deque

l = 10000000
a = []
b = np.zeros(l)
c = deque(maxlen=l)
for i in range(3):
    if i == 0:
        tmp = a
        name = 'list'
    elif i == 1:
        tmp = b
        name = 'array'
    else:
        tmp = c
        name = 'deque'

    start = time.time()
    if name == 'array':
        for j in range(l):
            tmp[j] = 1
    else:
        for j in range(l):
            tmp.append(1)
    duration = time.time() - start
    time_list = [0, 0, 0]
    time_list[0] = duration // 3600
    time_list[1] = (duration % 3600) // 60
    time_list[2] = round(duration % 60, 2)
    print(name + '用時(shí):' + str(time_list[0]) + ' 時(shí) ' + str(time_list[1]) + '分' + str(time_list[2]) + '秒')

結(jié)果為:

list用時(shí):0.0 時(shí) 0.0分1.0秒
array用時(shí):0.0 時(shí) 0.0分1.14秒
deque用時(shí):0.0 時(shí) 0.0分0.99秒

可以看出,只有在非常大的量級(jí)上才會(huì)出現(xiàn)區(qū)別,numpy array的賦值是最慢的,list和deque差不多。

但平時(shí)這些差距幾乎可以忽略。

總結(jié)

以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • Pycharm 如何連接遠(yuǎn)程服務(wù)器并debug調(diào)試

    Pycharm 如何連接遠(yuǎn)程服務(wù)器并debug調(diào)試

    本文主要介紹了Pycharm 如何連接遠(yuǎn)程服務(wù)器并debug調(diào)試,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2022-06-06
  • Python實(shí)現(xiàn)給文件添加內(nèi)容及得到文件信息的方法

    Python實(shí)現(xiàn)給文件添加內(nèi)容及得到文件信息的方法

    這篇文章主要介紹了Python實(shí)現(xiàn)給文件添加內(nèi)容及得到文件信息的方法,可實(shí)現(xiàn)從文件開(kāi)頭添加內(nèi)容的功能,需要的朋友可以參考下
    2015-05-05
  • python3如何去除字符串中的特殊字符

    python3如何去除字符串中的特殊字符

    這篇文章主要介紹了python3如何去除字符串中的特殊字符,在平時(shí)處理字符串的時(shí)候,經(jīng)常會(huì)遇到字符串中夾雜著我們不希望看到的特殊字符,那么如何處理這些特殊字符呢,今天就跟著小編來(lái)看看吧
    2023-04-04
  • Python3中的bytes類(lèi)型和str類(lèi)型

    Python3中的bytes類(lèi)型和str類(lèi)型

    這篇文章主要介紹了Python3中的bytes類(lèi)型和str類(lèi)型,bytes是一種比特流,他們之間的關(guān)系則是Python有個(gè)內(nèi)置函數(shù)bytes()可以將字符串str類(lèi)型轉(zhuǎn)換成bytes類(lèi)型,下文更多詳細(xì)內(nèi)容需要的小伙伴可以參考一下
    2022-05-05
  • Python實(shí)現(xiàn)從訂閱源下載圖片的方法

    Python實(shí)現(xiàn)從訂閱源下載圖片的方法

    這篇文章主要介紹了Python實(shí)現(xiàn)從訂閱源下載圖片的方法,涉及Python采集的技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下
    2015-03-03
  • Python  中的pass語(yǔ)句語(yǔ)法詳析

    Python  中的pass語(yǔ)句語(yǔ)法詳析

    這篇文章主要介紹了Python 中的pass語(yǔ)句語(yǔ)法詳析,pass是一種空操作(null operation),解釋器執(zhí)行到它的時(shí)候,除了檢查語(yǔ)法是否合法,什么也不做就直接跳過(guò)
    2022-07-07
  • 解析ROC曲線繪制(python+sklearn+多分類(lèi))

    解析ROC曲線繪制(python+sklearn+多分類(lèi))

    這篇文章主要介紹了解析ROC曲線繪制(python+sklearn+多分類(lèi)),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2022-11-11
  • 18個(gè)幫你簡(jiǎn)化代碼的Python技巧分享

    18個(gè)幫你簡(jiǎn)化代碼的Python技巧分享

    選擇學(xué)習(xí)?python?時(shí),最令我震驚的是它的簡(jiǎn)單性和可讀性。但是你知道還可以用更少的代碼行可以讓?Python?代碼變得更簡(jiǎn)單嗎?本文為大家總結(jié)了18個(gè)幫你簡(jiǎn)化代碼的Python技巧,感興趣的可以了解一下
    2022-07-07
  • python或C++讀取指定文件夾下的所有圖片

    python或C++讀取指定文件夾下的所有圖片

    這篇文章主要為大家詳細(xì)介紹了python或C++讀取指定文件夾下的所有圖片,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2019-08-08
  • TensorFlow獲取加載模型中的全部張量名稱代碼

    TensorFlow獲取加載模型中的全部張量名稱代碼

    今天小編就為大家分享一篇TensorFlow獲取加載模型中的全部張量名稱代碼,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2020-02-02

最新評(píng)論