python性能问题

                                           计算机的性能

计算机的性能由计算机的计算单元，存储单元 和 通信层。

计算单元： 用IPC和时钟速度来衡量，这两个属性其实是一个竞争的关系，通常IPC高，时钟速度会比较低，但也有例外，这个就是GPU，GPU IPC与时钟速度都很高。提高CPU的矢量计算，矢量计算是指一次提供多个数据给CPU并同时被操作。

存储单元: 有寄存器，RAM， DISK， L1/L2

通信层： 总线

python 中我们无法使用矢量计算，因为底层python封装好了，python本身语法不支持如

a = [1,2,3,4]
10/a

这种操作不支持,但是我们有一个库可以做到矢量计算，那就是numpy,所以通常使用numpy性能上快很多.

import math
import time

data = 171515115111719
def djuge_prime(n):
    mid = math.sqrt(n)
    for i in range(2, int(mid)+1):
        if n%i == 0:
            return False
    else:
        return True

def test(k):
    s = time.time()
    print djuge_prime(k)
    print "need time:%f" %(time.time()- s,)

 

这是普通的写法结果是:

                        True

                        need time:0.920494

使用numpy实现:

import math
import time
import numpy as np
data = 171515115111719

def djuge_prime1(n):
    mid = math.sqrt(n)
    data = np.arange(2,int(mid)+1,1)
    return not any(n%data == 0)


def test1(k):
    s = time.time()
    print djuge_prime1(k)
    print "need time:%f" %(time.time()- s,)


test1(data)

结果是:

                      True

                      need time:0.451969

几乎快一倍,所以能使用numpy尽量使用numpy，关乎python性能的问题还与python单线程的问题。