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,timedelta; print(datetime.now())
dtp = datetime.strptime('2017年9月30日12时3分4秒','%Y年%m月%d日12时3分4秒') print(dtp)#datetime.strptime()#字符串转时间 end = datetime.strptime('2018-10-25 22:00',"%Y-%m-%d %H:%M")#时间转字符串 print(end-dtp)
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。
#用列表+循环实现,并包装成函数 def lsSum(x): a=list(range(x)) b=list(range(0,2*x,2)) c=[] for i in range(len(a)): c.append(a[i]**2+b[i]**3) return c #用numpy实现,并包装成函数 def npSum(y): import numpy as np; a = np.arange(y) b = np.arange(0,2*y,2) c = a**2 + b**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。 dt = datetime.now() lsSum(10000000) print(datetime.now()-dt) dt1 = datetime.now() npSum(10000000) print(datetime.now()-dt1)
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。
def time_li2(li1,li2): li3 = [[[0 for row3 in range(3)] for row2 in range(3)] for row1 in range(3)] for i in range(len(li1)): for j in range(len(li1[i])): for k in range(len(li1[i][j])): li3[i][j][k] = li1[i][j][k] **2 + li2[i][j][k] **3 return li3 def sq4(li1,li2): return list(np.array(a)**2+np.array(b)**3)