NumPy?與?Python?內(nèi)置列表計算標(biāo)準(zhǔn)差區(qū)別詳析
1 什么是 Numpy
NumPy,是 Numerical Python 的簡稱,用于高性能科學(xué)計算和數(shù)據(jù)分析的基礎(chǔ)包,像數(shù)學(xué)科學(xué)工具(pandas)和框架(Scikit-learn)中都使用到了 NumPy 這個包。
NumPy 中的基本數(shù)據(jù)結(jié)構(gòu)是ndarray
或者 N 維數(shù)值數(shù)組,在形式上來說,它的結(jié)構(gòu)有點(diǎn)像 Python 的基礎(chǔ)類型——Python列表。
但本質(zhì)上,這兩者并不同,可以看到一個簡單的對比。
我們創(chuàng)建兩個列表,當(dāng)我們創(chuàng)建好了之后,可以使用 +
運(yùn)算符進(jìn)行連接:
list1 = [i for i in range(1,11)] list2 = [i**2 for i in range(1,11)] print(list1+list2) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
列表中元素的處理感覺像對象,不是很數(shù)字,不是嗎? 如果這些是數(shù)字向量而不是簡單的數(shù)字列表,您會期望 + 運(yùn)算符的行為略有不同,并將第一個列表中的數(shù)字按元素添加到第二個列表中的相應(yīng)數(shù)字中。
接下來看一下 Nympy 的數(shù)組版本:
import numpy as np arr1 = np.array(list1) arr2 = np.array(list2) arr1 + arr2 # array([ 2, 6, 12, 20, 30, 42, 56, 72, 90, 110])
通過 numpy 的np.array
數(shù)組方法實現(xiàn)了兩個列表內(nèi)的逐個值進(jìn)行相加。
我們通過dir
函數(shù)來看兩者的區(qū)別,先看 Python 內(nèi)置列表 list1
的內(nèi)置方法:
再用同樣的方法看一下 arr1中的方法:
NumPy 數(shù)組對象還有更多可用的函數(shù)和屬性。 特別要注意諸如mean
、std
和sum
之類的方法,因為它們清楚地表明重點(diǎn)關(guān)注使用這種數(shù)組對象的數(shù)值/統(tǒng)計計算。 而且這些操作也很快。
2 NumPy 數(shù)組和 Python 內(nèi)置計算對比
NumPy 的速度要快得多,因為它的矢量化實現(xiàn)以及它的許多核心例程最初是用 C 語言(基于 CPython 框架)編寫的。 NumPy 數(shù)組是同構(gòu)類型的密集排列的數(shù)組。 相比之下,Python 列表是指向?qū)ο蟮闹羔様?shù)組,即使它們都屬于同一類型。 因此,我們得到了參考局部性的好處。
許多 NumPy 操作是用 C 語言實現(xiàn)的,避免了 Python 中的循環(huán)、指針間接和逐元素動態(tài)類型檢查的一般成本。 特別是,速度的提升取決于您正在執(zhí)行的操作。 對于數(shù)據(jù)科學(xué)和 ML 任務(wù),這是一個無價的優(yōu)勢,因為它避免了長和多維數(shù)組中的循環(huán)。
讓我們使用 @timing
計時裝飾器來說明這一點(diǎn)。 這是一個圍繞兩個函數(shù) std_dev
和std_dev_python
包裝裝飾器的代碼,分別使用 NumPy 和本機(jī) Python 代碼實現(xiàn)列表/數(shù)組的標(biāo)準(zhǔn)差計算。
3 函數(shù)計算時間裝飾器
我們可以使用 Python 裝飾器和functools
模塊的wrapping
來寫一個 時間裝飾器timing
:
def timing(func): @wraps(func) def wrap(*args, **kw): begin_time = time() result = func(*args, **kw) end_time = time() print(f"Function '{func.__name__}' took {end_time-begin_time} seconds to run") return result return wrap
4 標(biāo)準(zhǔn)差計算公式
然后利用這個時間裝飾器來看 Numpy 數(shù)組和 Python 內(nèi)置的列表,然后計算他們的標(biāo)準(zhǔn)差,
公式如圖:
- 定義 Numpy 計算標(biāo)準(zhǔn)差的函數(shù)
std_dev()
,numpy
模塊中內(nèi)置了標(biāo)準(zhǔn)差公式的函數(shù)a.std()
,我們可以直接調(diào)用 - 列表計算公式方法需要按照公式一步一步計算:
- 先求求出宗和
s
- 然后求出平均值
average
- 計算每個數(shù)值與平均值的差的平方,再求和
sumsq
- 再求出
sumsq
的平均值sumsq_average
- 得到最終的標(biāo)準(zhǔn)差結(jié)果
result
代碼如下:
from functools import wraps from time import time import numpy as np from math import sqrt def timing(func): @wraps(func) def wrap(*args, **kw): begin_time = time() result = func(*args, **kw) end_time = time() # print(f"Function '{func.__name__}' with arguments {args},keywords {kw} took {end_time-begin_time} seconds to run") print(f"Function '{func.__name__}' took {end_time-begin_time} seconds to run") return result return wrap @timing def std_dev(a): if isinstance(a, list): a = np.array(a) s = a.std() return s @timing def std_dev_python(lst): length = len(lst) s = sum(lst) average = s / length sumsq = 0 for i in lst: sumsq += (i-average)**2 sumsq_average = sumsq/length result = sqrt(sumsq_average) return result
運(yùn)行結(jié)果,最終可以看到 1000000 個值得標(biāo)準(zhǔn)差的值為 288675.13459,而 Numpy 計算時間為 0.0080 s,而 Python 原生計算方式為 0.2499 s:
由此可見,Numpy 的方式明顯更快。
5 總結(jié)
NumPy 是專門針對數(shù)組的操作和運(yùn)算進(jìn)行了設(shè)計,所以數(shù)組的存儲效率和輸入輸出性能遠(yuǎn)優(yōu)于Python中的嵌套列表,數(shù)組越大,NumPy的優(yōu)勢就越明顯。
到此這篇關(guān)于NumPy 與 Python 內(nèi)置列表計算標(biāo)準(zhǔn)差區(qū)別詳析的文章就介紹到這了,更多相關(guān)Python 內(nèi)置列表內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python實現(xiàn)求兩個數(shù)組交集的方法示例
這篇文章主要介紹了Python實現(xiàn)求兩個數(shù)組交集的方法,涉及Python數(shù)組遍歷、排序、判斷、追加等相關(guān)操作技巧,需要的朋友可以參考下2019-02-02一篇文章弄懂Python中所有數(shù)組數(shù)據(jù)類型
這篇文章主要給大家介紹了關(guān)于Python中所有數(shù)組數(shù)據(jù)類型的相關(guān)資料,文中通過示例代碼介紹的非常詳細(xì),對大家學(xué)習(xí)或者使用Python具有一定的參考學(xué)習(xí)價值,需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2019-06-06python 處理數(shù)字,把大于上限的數(shù)字置零實現(xiàn)方法
今天小編就為大家分享一篇python 處理數(shù)字,把大于上限的數(shù)字置零實現(xiàn)方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01用pywin32實現(xiàn)windows模擬鼠標(biāo)及鍵盤動作
這篇文章主要介紹了用pywin32實現(xiàn)windows模擬鼠標(biāo)及鍵盤動作的示例,需要的朋友可以參考下2014-04-04python讀取文本中數(shù)據(jù)并轉(zhuǎn)化為DataFrame的實例
下面小編就為大家分享一篇python讀取文本中數(shù)據(jù)并轉(zhuǎn)化為DataFrame的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04Python區(qū)塊鏈創(chuàng)建Block Class教程
這篇文章主要為大家介紹了Python區(qū)塊鏈創(chuàng)建Block Class教程詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-05-05python pow函數(shù)的底層實現(xiàn)原理介紹
這篇文章主要介紹了python pow函數(shù)的底層實現(xiàn)原理介紹,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03