numpy数组及处理:效率对比
一、处理日期时间
取系统时间
转换成‘2017年9月30日星期六10时28分56秒’格式字符串
’2018-10-25 22:00‘转换成一个日期时间变量
计算两者的间隔
from datetime import datetime now = datetime.now() print(now) print(now.hour) print(now.day) from datetime import datetime now = datetime.now() print('{0:%Y}年{0:%m}月{0:%d}日星期{0:%w} {0:%H}时{0:%M}分{0:%S}秒'.format(now)) from datetime import datetime cday = datetime.strptime('2018-10-25 22:00', '%Y-%m-%d %H:%M') print(cday) print(cday - datetime.now())
二、问题:
- 数列:
- a = a1,a2,a3,·····,an
- b = b1,b2,b3,·····,bn
- 求:
- c = a12+b13,a22+b23,a32+b33,·····+an2+bn3
1.用列表+循环实现,并包装成函数
2.用numpy实现,并包装成函数
3.对比两种方法实现的效率,给定一个较大的参数n,用运行函数前后的timedelta表示。
n=10 def pySum(n): a = list(range(n)) b = list(range(0, 5 * n, 5)) c = [] for i in range(len(a)): c.append(a[i] ** 2 + b[i] ** 3) return (c) print(pySum(n)) import numpy def pySum1(n): a=numpy.arange(n) b=numpy.arange(0,5*n,5) c=a+b return (c) print(pySum1(8)) import numpy def npSum(n): a = numpy.arange(n) b = numpy.arange(0,7*n,7) c = a**2+b**3 return (c) from datetime import datetime as dt start = dt.now() pySum(100000) de = dt.now()-start print(de) start = dt.now() npSum(100000) da = dt.now()-start print(da)
三、尝试把a,b定义为三层嵌套列表和三维数组,求相对应元素的ai2+bi3
对比两种数据类型处理方法及效率的不同。