python array按行归一化_24 式加速你的 Python

最新推荐文章于 2021-02-20 08:09:50 发布
最新推荐文章于 2021-02-20 08:09:50 发布
阅读量162 收藏 2
点赞数
文章标签： python array按行归一化 python计算密集型任务 八数码宽度优先搜索python代码

(点击上方快速关注并设置为星标，一起学Python)

一，分析代码运行时间

第1式，测算代码运行时间

平凡方法

6681933b82764f351ba2d2c7a5b12b2e.png

快捷方法(jupyter环境)

3046366d531319f6a762695f5e69b36d.png

第2式，测算代码多次运行平均时间

平凡方法

8602755a6ae72fbca60087c088755aa9.png

快捷方法(jupyter环境)

1e9def087d2a476710b7722fe66ab78e.png

第3式，按调用函数分析代码运行时间

平凡方法

381ac4ef89148b6818999964bf8340ab.png

7c2fd0f80cd724bdcb8ded2b42cf1964.png

快捷方法(jupyter环境)

1fb64ee90d08669813196058e307d52c.png

第4式，按行分析代码运行时间

平凡方法

9c0884f321fd6c459bcf2d7228c04382.png

32e4041fc450d62cd47f8c03163cbd64.png

ac8315f47ddbd32459a5c3a775decb32.png

dcc0bcde421762b6078b73e0ee18e84d.png

快捷方法(jupyter环境)

b4aaaa9029f58006904993862e40843e.png

二，加速你的查找

第5式，用set而非list进行查找

低速方法

36df74e78056531abb246cac6ee8f8ab.png

25752f9039d1155201916019c2f4b973.png

高速方法

ae8ceac54812128bdd53b3bac7249122.png

第6式，用dict而非两个list进行匹配查找

低速方法

88686cd06f29a8e9d2d088234894eb2d.png

5b0446439207ecdd493d20528aedef87.png

高速方法

3bcf78caa83eca67766aec028231e947.png

三，加速你的循环

第7式，优先使用for循环而不是while循环

低速方法

e7a63839929c26e2f94e95c18fda9c9f.png

高速方法

f0ecdf9d9f0ac54c471e3d97b6ab9bd4.png

第8式，在循环体中避免重复计算

低速方法

d346e24c93a0a7b4d1f96a283a487f6a.png

高速方法

fc6800c4a89e9c1eb05fa471025dedd7.png

四，加速你的函数

第9式，用循环机制代替递归函数

低速方法

80899617573ce2f8eae41d36626108bd.png

高速方法

c3b55a5920d984fd7e6af77fe864970b.png

第10式，用缓存机制加速递归函数

低速方法

e9349cbbfbc3d4b84039ee28d858d355.png

高速方法

f6e5e457997f01137d96ca227be4c06b.png

第11式，用numba加速Python函数

低速方法

03fccb2fe3e91b1b45b7655a7184612c.png

高速方法

fe9eb062f11343195f8110348df45746.png

五，使用标准库函数进行加速

第12式，使用collections.Counter加速计数

低速方法

4e646c1c35147e948f36a2c051ed553c.png

高速方法

3168dcbeba9c029a81439bc67881468b.png

第13式，使用collections.ChainMap加速字典合并

低速方法

7fe9763089b27559392319cdb8b01060.png

ed92e0a42eb1adc17d5b62c2b77d2082.png

高速方法

091b64ed7efba1cd52833a4617a99392.png

六，使用numpy向量化进行加速

第14式，使用np.array代替list

低速方法

1a580915baea0fdc0670b0d721b4ac69.png

高速方法

1b88b7bbf758db7d155523d4026f1f93.png

第15式，使用np.ufunc代替math.func

低速方法

12731273fcb0509b28b6081afab151d5.png

高速方法

f02ce0b100b74277c07e31f134fbca30.png

第16式，使用np.where代替if

低速方法

314f7f3c58a85a323dc2b28a7057d977.png

4dae00153217c1ba0d5f6a5c1be885e9.png

高速方法

730c5ad3a8373aba11f081c04f27cac9.png

七，加速你的Pandas

第17式，使用np.ufunc函数代替applymap

低速方法

d18a10fda33a8cb0808f078144e5b862.png

高速方法

8e8fa3cb9d17972787cdbe37dca2d8de.png

第18式，使用预分配存储代替动态扩容

低速方法

463308d63c5d257dfdc4b1d30abae99e.png

高速方法

8efec212b56828d26f407e9a72fc5ca4.png

第19式，使用csv文件读写代替excel文件读写

低速方法

acc58f3b5c049c6842ee1c7dbe540853.png

高速方法

d1ce0a332cc59f2e05fdd9084c5ec11f.png

第20式，使用pandas多进程工具pandarallel

低速方法

6b05efee86e9612cccec3021a44196d2.png

8cfa71b424af21ffec2339c3d6c9df8a.png

高速方法

7c77a4d88b9d57b202681295db3070a4.png

八，使用Dask进行加速

第21式，使用dask加速dataframe

低速方法

bdd7b5546346970544001b5259adc719.png

高速方法

e4a2acc9b35648b97c42813ba0d3bd20.png

第22式，使用dask.delayed进行加速

低速方法

ac056e9e9184946942b99789198615b6.png

322a82c8b0036a1146e0e4df7679efa2.png

高速方法

928fe0b4e398e7f13ce4339c98827941.png

九，应用多线程多进程加速

第23式，应用多线程加速IO密集型任务

低速方法

bce9b88fdc091d87cabe38469ac5983e.png

高速方法

1bbcccdabe1905e6d47268ab1c428f11.png

第24式，应用多进程加速CPU密集型任务

低速方法

a108fa2af078a5f69c9ef4c623b2176e.png

高速方法

705ec7d691dfd6bc20e0eb5382807360.png

(完)

看完本文有收获？请转发分享给更多人

关注「Python那些事」，做全栈开发工程师

deac493548811e3dcecca5b1093d2fd4.png

weixin_39930711
关注
chatgpt赋能python：Python按行归一化方法介绍
b45e1933f46的博客
06-21 397
按行归一化指的是将每一行的数据缩放到[0,1]区间内。具体实现时，需要先计算每一行数据的范数（也称模长），然后将该行中的每个元素都除以该范数。本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是。
python np array归一化_浅谈利用numpy对矩阵进行归一化处理的方法
weixin_34129222的博客
03-01 7966
浅谈利用numpy对矩阵进行归一化处理的方法本文不讲归一化原理，只介绍实现(事实上看了代码就会懂原理)，代码如下：def Normalize(data):m = np.mean(data)mx = max(data)mn = min(data)return [(float(i) - m) / (mx - mn) for i in data]代码只有5行并不复杂，但是需要注意的一点是一定要将计算的均...
python画土拨鼠代码_Python 用10行代码教你画出太阳花
weixin_39986896的博客
11-22 158
(点击上方快速关注并设置为星标，一起学Python)参考链接：https://www.cnblogs.com/asd516970982/p/10484000.html用 Python 中的 turtle 库画个太阳花，有以下几个步骤1、安装turtle库pip install turtle2、使用Pycharm开发工具，建立工程项目，编写画太阳花所需的代码，如下：from turtle ...
sklearn中的数据预处理
zadpp1984的专栏
07-11 407
在sklearn中有这么几个常用的预处理方法。
故宫下雪！我用Python画了一组手绘图
Python中文社区
02-16 1518
本文作者：丁彦军图片来源于网络这几天，许多城市，迎来了2019年的第一场雪前几日早晨，当北京市民拉开窗帘时发现，窗外雪花纷纷扬扬在空中飘落而且越下越大，树上、草地、屋顶、...
特征工程（5）--降维
专注计算机体系结构
05-13 545
当特征选择完成后，可以直接训练模型了，但是可能由于特征矩阵过大，导致计算量大，训练时间长的问题，因此降低特征矩阵维度也是必不可少的。 常见的降维方法除了上篇提到的基于L1惩罚项的模型以外，另外还有主成分分析法（PCA）和线性判别分析（LDA），线性判别分析本身也是一个分类模型。PCA和LDA有很多的相似点，其本质是要将原始的样本映射到维度更低的样本空间中，但是PCA和LDA的映射目标不一样：PC
python 归一化_python-OpenCV之normalize（归一化 ）函数详解
weixin_29129919的博客
12-28 4459
归一化就是要把需要处理的数据经过处理后(通过某种算法)限制在你需要的一定范围内。归一化的目的，是使得没有可比性的数据变得具有可比性，同时又保持相比较的两个数据之间的相对关系，如大小关系；或是为了作图，原来很难在一张图上作出来，归一化后就可以很方便的给出图上的相对位置等。接下来主要讲述python_opencv中的normalize()函数，其原型为：def normalize(src, dst, ...
详解python实现数据归一化处理的方式：（0,1）标准化
09-19
# 对每一行数据进行归一化处理 for i in range(data.shape[0]): norm_data[i, :] = (data[i, :] - min_vals) / ranges return norm_data, ranges, min_vals ``` 3. 创建一个数据矩阵并应用归一化函数： ```...
python numpy创建矩阵、并归一化_NumPy数据的归一化
weixin_39715187的博客
12-11 4038
数据的归一化首先我们来看看归一化的概念:数据的标准化(normalization)和归一化数据的标准化(normalization)是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上。目前数据标准化方法有多...
python numpy 按行归一化的实例
09-19
今天小编就为大家分享一篇python numpy 按行归一化的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
使用Python画动物，可用于学习了解画图模块
04-15
使用python绘制简单图像，可以用来学习了解，对于不熟悉python画图函数的童鞋，可以下载下来学习一下，内部文件可以正常运行。
python数据归一化及三种方法详解
09-18
主要介绍了python数据归一化及三种方法详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
python代码画土拨鼠_PETA：应放弃传统的土拨鼠日活动 改由AI土拨鼠执行
weixin_39553904的博客
02-20 104
戴高帽子的长老们称，如果Phil“看到了他的影子”那么就会有六个多星期的冬天，如果没有那么早春就要来了。但动物权利组织PETA表示，现在是时候让停止恐吓一只无辜的啮齿动物了，相反，该组织表示，Punxsutawney Phil应该被一个使用人工智能来预测天气的电子土拨鼠所取代。“时代变了。传统进化。Phil早就该退休了，”PETA总裁兼创始人Ingrid Newkirk在给Punxsutawne...
用 Python 画一只福鼠！
纯洁的微笑
03-09 6239
今年这个鼠年，尽管只是刚过了一个开头，但现实仿佛把我们很多年才需要经历的不好的事情，都在一瞬间抛向了我们，这个鼠年好像缺了点福气，本节我们使用 Python 画一只福鼠，为大家增添点福气...
杨桃的Python进阶讲座10——数组array（三）数组array归一化和标准化（全网迄今最详细的讲解）
yty_7的专栏
02-28 2848
本人CSDN博客专栏：https://blog.csdn.net/yty_7 Github地址：https://github.com/yot777/ 在机器学习和深度学习中的数据预处理环节，非常重要的一点是对数据进行归一化处理。 归一化的概念 什么是归一化？简单的说，就是通过计算把所有的数据归纳统一到指定范围中去，一般这个范围是0~1。 归一化的公式 如何进行归一化？...
python array按行归一化_使用Python进行数据降维｜线性降维
weixin_39746241的博客
11-27 331
==========欢迎关注文章首发公众号：早起python本文为早起的统计工具箱第二期==========前言为什么要进行数据降维？直观地好处是维度降低了，便于计算和可视化，其深层次的意义在于有效信息的提取综合及无用信息的摈弃，并且数据降维保留了原始数据的信息，我们就可以用降维的数据进行机器学习模型的训练和预测，但将有效提高训练和预测的时间与效率。降维方法分为线性和非线性降维，非线性降维又分为基...
pandas 数据按行归一化
很吵请安静
06-27 5392
data = data.div(data.sum(axis=1), axis=0) data.sum(axis=1) 表示按行求和 data.div(sum_data,axis=0) 表示按行除
numpy矩阵按行归一化 按列归一化 python程序
最新发布
12-10
以下是numpy矩阵按行归一化和按列归一化的Python程序： 1. 按行归一化 ```python import numpy as np # 创建一个3x3的矩阵 x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 对每一行进行归一化 x_normed = x...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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