01Numpy性能对比

image-20230120142038256

image-20230120142115797

image-20230120142133419

import numpy as np
from timeit import timeit

def python_sum(n):
    a=[i**2 for i in range(n)]
    b=[i**3 for i in range(n)]
    c=[]
    for i in range(n):
        c.append(a[i]+b[i])
    return c

def numpy_sum(n):
    a = np.arange(n) ** 2
    b = np.arange(n) ** 3
    return a+b


t1=timeit('python_sum(1000)','from __main__ import python_sum',number=1000)
t2=timeit('numpy_sum(1000)','from __main__ import numpy_sum',number=1000)

print(t1/t2)

image-20230120141208340

posted @   不迷路的小孩  阅读(17)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗?
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 【设计模式】告别冗长if-else语句:使用策略模式优化代码结构
· 字符编码:从基础到乱码解决
· 提示词工程——AI应用必不可少的技术
点击右上角即可分享
微信分享提示