資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究Python中的向量化
在本文中，我們將學習向量化以及使用 Python 3.x 或更早版本實現的相關技術。
什麼是向量化？
向量化是一種無需使用迴圈即可實現陣列的技術。使用函式可以幫助有效地縮短程式碼的執行時間和執行時間。各種操作都可以在向量而不是陣列上執行，例如向量的點積（也稱為標量積，因為它產生單個輸出）、外積（導致維度等於向量長度（長度 X 長度）的方陣）、逐元素乘法（乘以相同索引的元素，矩陣的維度保持不變）。
點積/內積
讓我們看看實現
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")輸出
dot_product of vector arrays = 3833313333350000.0 Computation time taken = 116.51723400000068ms n_dot_product of vector arrays = 3833313333350000 Computation time taken= 2.5412239999997865ms
現在讓我們詳細討論上面使用的函式
outer(a, b) - 此函式將兩個 numpy 陣列作為輸入變數，並返回兩個向量的外積。
multiply(a, b) - 此函式將兩個 numpy 陣列作為輸入變數，並返回兩個陣列的矩陣積。
dot(a, b) - 此函式將兩個 numpy 陣列作為輸入變數，並返回兩個陣列的點積。
zeros((n, m)) - 此函式將形狀和型別作為輸入變數，並返回給定形狀和型別的矩陣，並用零初始化。
process_time() - 此函式返回當前程序的系統和使用者 CPU 時間之和的值（以秒為單位）。它不包括睡眠期間經過的時間
結論
在本文中，我們學習了 Python 中的向量化。
更新於: 2019年8月28日
884 次瀏覽
廣告