成人国产在线小视频_日韩寡妇人妻调教在线播放_色成人www永久在线观看_2018国产精品久久_亚洲欧美高清在线30p_亚洲少妇综合一区_黄色在线播放国产_亚洲另类技巧小说校园_国产主播xx日韩_a级毛片在线免费

資訊專欄INFORMATION COLUMN

NumPy與Python：內(nèi)置列表計(jì)算標(biāo)準(zhǔn)區(qū)別解析

89542767 / 510人閱讀


　　小編寫這篇文章的目的，主要是給大家來做一個(gè)比較詳細(xì)的解答，解答一下其具體的相關(guān)知識，還有一些相關(guān)的代碼解析，下面就給大家進(jìn)行一個(gè)比較詳細(xì)的解答。


　　什么是Numpy


　　NumPy，是Numerical Python的簡稱，用于性能比較高的基礎(chǔ)分析數(shù)據(jù)包，可以對其進(jìn)行用來進(jìn)行數(shù)據(jù)分析，像數(shù)學(xué)科學(xué)工具（pandas）和框架（Scikit-learn）中都使用到了NumPy這個(gè)包。


　　NumPy中的基本數(shù)據(jù)結(jié)構(gòu)是ndarray或者N維數(shù)值數(shù)組，在形式上來說，它的結(jié)構(gòu)有點(diǎn)像Python的基礎(chǔ)類型——Python列表。


　　但本質(zhì)上，這兩者并不同，可以看到一個(gè)簡單的對比。


　　我們創(chuàng)建兩個(gè)列表，當(dāng)我們創(chuàng)建好了之后，可以使用+運(yùn)算符進(jìn)行連接:


　　list1=[i for i in range(1,11)]
　　list2=[i**2 for i in range(1,11)]
　　print(list1+list2)
　　#[1,2,3,4,5,6,7,8,9,10,1,4,9,16,25,36,49,64,81,100]


　　列表中元素的處理感覺像對象，不是很數(shù)字，不是嗎？如果這些是數(shù)字向量而不是簡單的數(shù)字列表，您會期望+運(yùn)算符的行為略有不同，并將第一個(gè)列表中的數(shù)字按元素添加到第二個(gè)列表中的相應(yīng)數(shù)字中。


　　接下來看一下Nympy的數(shù)組版本：


　　import numpy as np
　　arr1=np.array(list1)
　　arr2=np.array(list2)
　　arr1+arr2
　　#array([2,6,12,20,30,42,56,72,90,110])


　　通過numpy的np.array數(shù)組方法實(shí)現(xiàn)了兩個(gè)列表內(nèi)的逐個(gè)值進(jìn)行相加。


　　我們通過dir函數(shù)來看兩者的區(qū)別，先看Python內(nèi)置列表list1的內(nèi)置方法：

0.png

　　再用同樣的方法看一下arr1中的方法：

1.png

　　NumPy數(shù)組對象還有更多可用的函數(shù)和屬性。特別要注意諸如mean、std和sum之類的方法，因?yàn)樗鼈兦宄乇砻髦攸c(diǎn)關(guān)注使用這種數(shù)組對象的數(shù)值/統(tǒng)計(jì)計(jì)算。而且這些操作也很快。


　　NumPy數(shù)組和Python內(nèi)置計(jì)算對比


　　NumPy的速度要快得多，因?yàn)樗氖噶炕瘜?shí)現(xiàn)以及它的許多核心例程最初是用C語言（基于CPython框架）編寫的。NumPy數(shù)組是同構(gòu)類型的密集排列的數(shù)組。相比之下，Python列表是指向?qū)ο蟮闹羔様?shù)組，即使它們都屬于同一類型。因此，我們得到了參考局部性的好處。


　　許多NumPy操作是用C語言實(shí)現(xiàn)的，避免了Python中的循環(huán)、指針間接和逐元素動態(tài)類型檢查的一般成本。特別是，速度的提升取決于您正在執(zhí)行的操作。對于數(shù)據(jù)科學(xué)和ML任務(wù)，這是一個(gè)無價(jià)的優(yōu)勢，因?yàn)樗苊饬碎L和多維數(shù)組中的循環(huán)。


　　讓我們使用timing計(jì)時(shí)裝飾器來說明這一點(diǎn)。這是一個(gè)圍繞兩個(gè)函數(shù)std_dev和std_dev_python包裝裝飾器的代碼，分別使用NumPy和本機(jī)Python代碼實(shí)現(xiàn)列表/數(shù)組的標(biāo)準(zhǔn)差計(jì)算。


　　函數(shù)計(jì)算時(shí)間裝飾器


　　我們可以使用Python裝飾器和functools模塊的wrapping來寫一個(gè)時(shí)間裝飾器timing:


　　def timing(func):
　　wraps(func)
　　def wrap(*args,**kw):
　　begin_time=time()
　　result=func(*args,**kw)
　　end_time=time()
　　print(f"Function'{func.__name__}'took{end_time-begin_time}seconds to run")
　　return result
　　return wrap


　　標(biāo)準(zhǔn)差計(jì)算公式


　　然后利用這個(gè)時(shí)間裝飾器來看Numpy數(shù)組和Python內(nèi)置的列表，然后計(jì)算他們的標(biāo)準(zhǔn)差，


　　公式如圖：

3.png

　　定義Numpy計(jì)算標(biāo)準(zhǔn)差的函數(shù)std_dev()，numpy模塊中內(nèi)置了標(biāo)準(zhǔn)差公式的函數(shù)a.std()，我們可以直接調(diào)用


　　列表計(jì)算公式方法需要按照公式一步一步計(jì)算：


　　先求求出宗和s


　　然后求出平均值average


　　計(jì)算每個(gè)數(shù)值與平均值的差的平方，再求和sumsq


　　再求出sumsq的平均值sumsq_average


　　得到最終的標(biāo)準(zhǔn)差結(jié)果result


　　代碼如下：


　　from functools import wraps
　　from time import time
　　import numpy as np
　　from math import sqrt
　　def timing(func):
　　wraps(func)
　　def wrap(*args,**kw):
　　begin_time=time()
　　result=func(*args,**kw)
　　end_time=time()
　　#print(f"Function'{func.__name__}'with arguments{args},keywords{kw}took{end_time-begin_time}seconds to run")
　　print(f"Function'{func.__name__}'took{end_time-begin_time}seconds to run")
　　return result
　　return wrap
　　timing
　　def std_dev(a):
　　if isinstance(a,list):
　　a=np.array(a)
　　s=a.std()
　　return s
　　timing
　　def std_dev_python(lst):
　　length=len(lst)
　　s=sum(lst)
　　average=s/length
　　sumsq=0
　　for i in lst:
　　sumsq+=(i-average)**2
　　sumsq_average=sumsq/length
　　result=sqrt(sumsq_average)
　　return result


　　運(yùn)行結(jié)果，最終可以看到1000000個(gè)值得標(biāo)準(zhǔn)差的值為288675.13459，而Numpy計(jì)算時(shí)間為0.0080 s，而Python原生計(jì)算方式為0.2499 s：

4.png

　　由此可見，Numpy的方式明顯更快。


　　5總結(jié)


　　NumPy是專門針對數(shù)組的操作和運(yùn)算進(jìn)行了設(shè)計(jì)，所以數(shù)組的存儲效率和輸入輸出性能遠(yuǎn)優(yōu)于Python中的嵌套列表，數(shù)組越大，NumPy的優(yōu)勢就越明顯。


　　綜上所述，相關(guān)內(nèi)容解答就為大家介紹這里了，希望可以給各位讀者帶來幫助。


文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/127780.html

相關(guān)文章

  • NumPy與Python內(nèi)置列表計(jì)算標(biāo)準(zhǔn)差區(qū)別詳析

    　　小編寫這篇文章的主要目的，主要是給大家進(jìn)行介紹，關(guān)于NumPy與Python內(nèi)置列表計(jì)算標(biāo)準(zhǔn)差區(qū)別的相關(guān)介紹，希望可以給各位讀者帶來幫助?！　?什么是Numpy 　NumPy，是NumericalPython的通稱，用以性能卓越計(jì)算機(jī)的應(yīng)用和數(shù)據(jù)統(tǒng)計(jì)分析的前提包，像數(shù)理科學(xué)專用工具（pandas）和架構(gòu)（Scikit-learn）中都采用上了NumPy這個(gè)包?！　umPy中的基本數(shù)據(jù)結(jié)構(gòu)是n...

    89542767 評論0 收藏0

  • 真假美猴王-Numpy數(shù)據(jù)與Python數(shù)組的區(qū)別與聯(lián)系

    摘要：下文統(tǒng)一稱為數(shù)組是存儲單一數(shù)據(jù)類型的多維數(shù)組同語言數(shù)組直接保存數(shù)值而則是能夠?qū)?shù)組進(jìn)行處理的函數(shù)。動態(tài)數(shù)據(jù)類型與的數(shù)組和的這些不可變數(shù)據(jù)類型的適用場景等可變數(shù)據(jù)類型適用于需要不斷對原始數(shù)據(jù)進(jìn)行修改的場景。 showImg(https://segmentfault.com/img/remote/1460000018925396);Numpy,是python中的一個(gè)矩陣計(jì)算包,功能類似ma...

    鄒強(qiáng) 評論0 收藏0

  • Python貓薦書系列之五：Python高性能編程

    摘要：鋪墊已了，進(jìn)入今天的正題，貓薦書系列之五高性能編程本書適合已入門還想要進(jìn)階和提高的讀者閱讀。書中列舉了兩個(gè)慘痛的教訓(xùn)華爾街公司騎士資本由于軟件升級引入的錯誤，損失億美元公司小時(shí)全球中斷的嚴(yán)重事故。 showImg(https://segmentfault.com/img/bVbm92w?w=6720&h=4480); 稍微關(guān)心編程語言的使用趨勢的人都知道，最近幾年，國內(nèi)最火的兩種語言非...

    channg 評論0 收藏0

  • Python貓薦書系列之五：Python高性能編程

    摘要：鋪墊已了，進(jìn)入今天的正題，貓薦書系列之五高性能編程本書適合已入門還想要進(jìn)階和提高的讀者閱讀。書中列舉了兩個(gè)慘痛的教訓(xùn)華爾街公司騎士資本由于軟件升級引入的錯誤，損失億美元公司小時(shí)全球中斷的嚴(yán)重事故。 showImg(https://segmentfault.com/img/bVbm92w?w=6720&h=4480); 稍微關(guān)心編程語言的使用趨勢的人都知道，最近幾年，國內(nèi)最火的兩種語言非...

    馬永翠 評論0 收藏0

發(fā)表評論

0條評論

最新活動
閱讀需要支付1元查看
<