数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究Python中的向量化
在本文中，我们将学习向量化以及使用 Python 3.x 或更早版本实现的相关技术。
什么是向量化？
向量化是一种无需使用循环即可实现数组的技术。使用函数可以帮助有效地缩短代码的运行时间和执行时间。各种操作都可以在向量而不是数组上执行，例如向量的点积（也称为标量积，因为它产生单个输出）、外积（导致维度等于向量长度（长度 X 长度）的方阵）、逐元素乘法（乘以相同索引的元素，矩阵的维度保持不变）。
点积/内积
让我们看看实现
示例
import time
import numpy
import array
p = array.array('q')
for i in range(100000,200000):
p.append(i);
q = array.array('q')
for i in range(200000, 300000):
q.append(i)
# classic dot product
tic = time.process_time()
dot_value = 0.0;
for i in range(len(a)):
dot_value += p[i] * q[i]
toc = time.process_time()
print("dot_product of vector arrays = "+ str(dot_value));
print("Computation time taken = " + str(1000*(toc - tic )) + "ms")
n_tic = time.process_time()
n_dot_product = numpy.dot(a, b)
n_toc = time.process_time()
print("\nn_dot_product of vector arrays = "+str(n_dot_product))
print("Computation time taken= "+str(1000*(n_toc - n_tic))+"ms")输出
dot_product of vector arrays = 3833313333350000.0 Computation time taken = 116.51723400000068ms n_dot_product of vector arrays = 3833313333350000 Computation time taken= 2.5412239999997865ms
现在让我们详细讨论上面使用的函数
outer(a, b) - 此函数将两个 numpy 数组作为输入变量，并返回两个向量的外积。
multiply(a, b) - 此函数将两个 numpy 数组作为输入变量，并返回两个数组的矩阵积。
dot(a, b) - 此函数将两个 numpy 数组作为输入变量，并返回两个数组的点积。
zeros((n, m)) - 此函数将形状和类型作为输入变量，并返回给定形状和类型的矩阵，并用零初始化。
process_time() - 此函数返回当前进程的系统和用户 CPU 时间之和的值（以秒为单位）。它不包括睡眠期间经过的时间
结论
在本文中，我们学习了 Python 中的向量化。
更新于: 2019年8月28日
884 次浏览
广告