numpy数组性能

文章通过实测比较了使用Python列表和numpy库进行大量随机数求和的性能差异,显示numpy数组在处理大规模数据时具有显著优势,执行速度更快。
摘要由CSDN通过智能技术生成

numpy学习专题

四、numpy数组性能

numpy数组的性能

import random
li = []
for i in range(10000000):
    li.append(random.random())
import time
t1 = time.time()
ret = sum(li)
t2 = time.time()
print("耗时:%f"%(t2-t1))
print(ret)
耗时:0.052087
4999862.242654033
import numpy as np
n = np.array(li)

t1 = time.time()
ret = np.sum(n)
t2 = time.time()
print("耗时:%f"%(t2-t1))
print(ret)
耗时:0.015924
4999862.242654191

一定要支持作者哦

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值