python显示数据长度_在Python中将数值数据快速转换为固定宽度格...

我试图检查numpy.savetxt是否可以加快速度,所以编写了以下模拟：

import sys

import numpy as np

fmt = '%7.0f %11.5e %11.5e %7.5f'

records = 10000

np.random.seed(1234)

aray = np.random.rand(records, 4)

def writ(f, aray=aray, fmt=fmt):

fw = f.write

for row in aray:

fw(fmt % tuple(row))

def prin(f, aray=aray, fmt=fmt):

for row in aray:

print>>f, fmt % tuple(row)

def stxt(f, aray=aray, fmt=fmt):

np.savetxt(f, aray, fmt)

nul = open('/dev/null', 'w')

def tonul(func, nul=nul):

func(nul)

def main():

print 'looping:'

loop(sys.stdout, aray)

print 'savetxt:'

savetxt(sys.stdout, aray)

我发现结果(在我的2.4 GHz Core Duo Macbook Pro,Mac OS X 10.5.8,DMG在python.org上使用的Python 2.5.4,从源代码构建的numpy 1.4 rc1上)令人惊讶,但它们可重复性很高所以我认为他们可能会引起关注：

$py25 -mtimeit -s'import ft' 'ft.tonul(ft.writ)'

10 loops, best of 3: 101 msec per loop

$py25 -mtimeit -s'import ft' 'ft.tonul(ft.prin)'

10 loops, best of 3: 98.3 msec per loop

$py25 -mtimeit -s'import ft' 'ft.tonul(ft.stxt)'

10 loops, best of 3: 104 msec per loop

因此,savetxt似乎比调用write的循环要慢几个百分点…但是好的旧打印(也在一个循环中)似乎比write快几个百分点(我想这避免了某种调用开销).我意识到,相差2.5％左右并不是很重要,但是这并不符合我的直觉,因此我想报告一下. (顺便说一句,使用真实文件而不是/ dev / null只会平均增加6或7毫秒,因此它不会以一种或另一种方式改变太多).