?

?

眾所周知，Python有許多內置函數（例如min(),max(),sum()），Numpy也有自己的內置函數（np.min(),np.max(),np.sum()）。由于Numpy的函數是在編譯碼中執行操作的，所以Numpy的操作計算得更快一些 接下來比較Numpy內置函數sum與Python內置函數sum的性能比較 注意：當數據量較小時，結果會呈現出Python中的內置函數的執行速度快。#sum函數的性能比較（數據量小時） np.random.seed(0) small_array=np.random.rand(10) t1=%timeit sum(small_array) print(t1) %timeit np.sum(small_array) 結果： 6.04 μs ± 143 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each) None 14 μs ± 89.1 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each) 1 2 3 4 5 6 7 8 9 10 由上可知，當數據量小時Python中的內置函數（sum（））的指向速度是優于Numpy中的內置函數（sum（））的執行速度的#sum函數的性能比較（數據量大時） np.random.seed(0) great_array=np.random.rand(10000) t1=%timeit sum(great_array) print(t1) %timeit np.sum(great_array) 結果：2.23 ms ± 44.7 μs per loop (mean ± std. dev. of 7 runs, 100 loops each) None 23.8 μs ± 259 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each) 1 2 3 4 5 6 7 8 9 10 11 這時，可看出其np.sum的速率是明顯快于sum的min(),max()這兩個函數的情況與sum函數一樣 ———————————————— 版權聲明：本文為CSDN博主「愛數據的橙子」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。 原文鏈接：https://blog.csdn.net/m0_45126409/article/details/103648479

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的[云炬python学习笔记]Numpy中内置函数min(),max(),sum()与Python中内置函数min(),max(),sum()性能对比分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。