对比Numpy的数组和Python列表的求和速度

导入numpy

import numpy as np

创建一维数组：

na1 = np.array([1,2])
na1

比较Numpy数组和Python列表的求和效率：

import random
import time
import numpy as np

# 构造一个1000000条数据的随机数组
arr = [random.randint(1,1000) for _ in range(1000000)]

# 转换为Numpy数组
narr = np.array(arr)

使用Python的列表求和：

# 使用python列表求和，并使用 %time计算花费时间
%time sum(arr)

输出结果如下：

CPU times: user 3.97 ms, sys: 0 ns, total: 3.97 ms
Wall time: 3.99 ms

500360518

使用Numpy的数组求和：

%time np.sum(narr)

输出结果如下：

CPU times: user 2.82 ms, sys: 430 µs, total: 3.25 ms
Wall time: 2.38 ms

500360518

从结果来看，Numpy的数组运算比Python的列表运算要快如下时间：

3.99/2.38

1.6764705882352944

也就是将近1.7倍的一个速度。

以上就是“对比Numpy的数组和Python列表的求和速度”的全部内容，希望对你有所帮助。
​
​关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至CSDN官方，朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。