举一反三学python(5)—初识数组

一、引例

        大家对MBI（身体质量指数）都有所了解吧！

        MBI（身体质量指数）
        MBI指数计算方法为体重除以身高的平方，其中体重的单位为千克，身高的单位为米。
        正常中国人的BMI范围区间在18.5~23.9之间。
        当BMI指数>23.9说明身体目前的体重已经超过了当前身高所符合的标准体重，此时需要患者及时调整饮食结构，同时积极地参加体育锻炼，减去身体上多余的脂肪。从而维持体重在正常范围内。
        当BMI指数<18.5时，说明身体目前的体重低于了当前身高所符合的标准体重，此时需要患者及时调整饮食结构，增加蛋白质和其他营养物质的摄入，同时积极参加体育锻炼，来使机体利用所摄取的营养物质来增加体重。从而维持体重在正常范围内。

        下面三个列表分别表示五位成年人的姓名、身高、体重。如何用python代码，实现输出个人BMI指标。首先，大家应该想到用列表的for循环就可以实现：

        name = ['孙一','刘二','张三','李四','王五',]
        height = [175, 162, 158, 173, 167]
        weight = [55, 60, 63, 80, 82]

二、列表的for循环

代码如下：     
name = ['孙一', '刘二', '张三', '李四','王五',]
height = [175,162,158,173,167]
weight = [55,60,63,80,82]
for i in range(len(height)):
    BMI = round(weight[i]/(height[i]/100)**2,2)        # 保留2位小数
    if 18.5 > BMI:
        print(f'{name[i]}：BMI是{BMI}，偏瘦。')
    elif 18.5 <= BMI < 23.9:
        print(f'{name[i]}：BMI是{BMI}，标准!')
    else:
        print(f'{name[i]}：BMI是{BMI}，肥胖。')

运行代码结果：

        在计算BMI时，用到列表for循环，其实运算不方便，而且速度慢。这就引入了数组，它可以实现高效运算。

三、数组

代码如下：

import numpy as np
name = ['孙一','刘二','张三','李四','王五',]
height = np.array([175,162,158,173,167])
weight = np.array([55,60,63,80,82])
BMI = np.round((weight/(height/100)**2),2)       # 同时，保留2位小数
# print(BMI)
for i in range(len(name)):
    if 18.5 > BMI[i]:
        print(f'{name[i]}：BMI是{BMI[i]}，偏瘦。')
    elif 18.5 <= BMI[i] <= 23.9:
        print(f'{name[i]}：BMI是{BMI[i]}，标准!')
    else:
        print(f'{name[i]}：BMI是{BMI[i]}，肥胖。')

运行代码结果：和上面方法结果相同。

看了以上两个例子，是不是感觉，更复杂了。其实它们的区别在于：

        # 列表只是一种数据的存储容器，它不具有任何计算能力。
        # 数组是一种高级容器，可以高效运算。

        下面我们来见证一下数组的高效。

四、实力PK

        下面我们构造一下海量数据来验证一下数组的高效性。有1千万个人的身高和体重，用两种方法来计算BMI，并记录它们运行的时间。

import random
import time
import numpy as np

h = []
w = []
for i in range(10000000):
    h.append(random.randint(150,190))
    w.append(random.uniform(45,120))
start1 = time.time()
bmi = []
for i in range(10000000):
    bmi.append(w[i]/(h[i]/100)**2)
end1 = time.time()
# print(bmi[:5])
print(end1-start1)          # 计算循环运行时间

start2 = time.time()
H = np.array(h)
W = np.array(w)
BMI = W/(H/100)**2
# print(BMI[:5])
end2 = time.time()
print(end2-start2)            # 计算数组运行时间

运行结果如下： 速度提高了3.5倍