我需要从特定的面/顶点列表中计算最小值,最大值和平均值。我试图用Numpy优化这个计算,但没有成功。纯Python比Numpy更快吗?我可以使这个numpy代码更快吗?
这是我的测试用例:
#!/usr/bin/python
# -*- coding: iso-8859-15 -*-
'''
Module Started 22 févr. 2013
@note: test case comparaison numpy vs python
@author: Python4D/damien
'''
import numpy as np
import time
def Fnumpy(vertices):
np_vertices=np.array(vertices)
_x=np_vertices[:,:,0]
_y=np_vertices[:,:,1]
_z=np_vertices[:,:,2]
_min=[np.min(_x),np.min(_y),np.min(_z)]
_max=[np.max(_x),np.max(_y),np.max(_z)]
_mean=[np.mean(_x),np.mean(_y),np.mean(_z)]
return _mean,_max,_min
def Fpython(vertices):
list_x=[item[0] for sublist in vertices for item in sublist]
list_y=[item[1] for sublist in vertices for item in sublist]
list_z=[item[2] for sublist in vertices for item in sublist]
taille=len(list_x)
_mean=[sum(list_x)/taille,sum(list_y)/taille,sum(list_z)/taille]
_max=[max(list_x),max(list_y),max(list_z)]
_min=[min(list_x),min(list_y),min(list_z)]
return _mean,_max,_min
if __name__=="__main__":
vertices=[[[1.1,2.2,3.3,4.4]]*4]*1000000
_t=time.clock()
print ">>NUMPY >>{} for {}s.".format(Fnumpy(vertices),time.clock()-_t)
_t=time.clock()
print ">>PYTHON>>{} for {}s.".format(Fpython(vertices),time.clock()-_t)
的结果是:
numpy的:
([1.1000000000452519,2.2000000000905038,3.3000000001880174],[1.1000000000000001,2.2000000000000002,3.2999999999999998 ],[1.1000000000000001,2.2000000000000002,3.2999999999999998])为27.327068618s。
的Python:
([1.100000000045252,2.200000000090504,3.3000000001880174],[1.1,2.2,3.3],[1.1,2.2,3.3])为1.81366938593s。
纯Python的速度比Numpy快15倍!
此行速度较慢,为'np_vertices = np.array(顶点)'。你并不是真正计算最小和最大函数的时间,你需要花费多长时间来整理嵌套的引用 – YXD 2013-02-22 14:36:16
你应该编辑你的问题,使我认为是你隐含的问题,“我可以使这个numpy代码更快?“,明确表示接近选票的意图。 – tacaswell 2013-02-22 14:38:41
通过仅使用numpy构造(也用于构建'顶点'),您可以大大加快代码的速度。 – 2013-02-24 07:08:38