?

?

眾所周知，Python有許多內(nèi)置函數(shù)（例如min(),max(),sum()），Numpy也有自己的內(nèi)置函數(shù)（np.min(),np.max(),np.sum()）。由于Numpy的函數(shù)是在編譯碼中執(zhí)行操作的，所以Numpy的操作計(jì)算得更快一些 接下來(lái)比較Numpy內(nèi)置函數(shù)sum與Python內(nèi)置函數(shù)sum的性能比較 注意：當(dāng)數(shù)據(jù)量較小時(shí)，結(jié)果會(huì)呈現(xiàn)出Python中的內(nèi)置函數(shù)的執(zhí)行速度快。#sum函數(shù)的性能比較（數(shù)據(jù)量小時(shí)） np.random.seed(0) small_array=np.random.rand(10) t1=%timeit sum(small_array) print(t1) %timeit np.sum(small_array) 結(jié)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(dāng)數(shù)據(jù)量小時(shí)Python中的內(nèi)置函數(shù)（sum（））的指向速度是優(yōu)于Numpy中的內(nèi)置函數(shù)（sum（））的執(zhí)行速度的#sum函數(shù)的性能比較（數(shù)據(jù)量大時(shí)） np.random.seed(0) great_array=np.random.rand(10000) t1=%timeit sum(great_array) print(t1) %timeit np.sum(great_array) 結(jié)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(shí)，可看出其np.sum的速率是明顯快于sum的min(),max()這兩個(gè)函數(shù)的情況與sum函數(shù)一樣 ———————————————— 版權(quán)聲明：本文為CSDN博主「愛(ài)數(shù)據(jù)的橙子」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)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(shù)專家面對(duì)面20年技術(shù)見(jiàn)證，附贈(zèng)技術(shù)全景圖

總結(jié)

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?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。