NumPy中的矢量操作

Numpy数组在本质上是同质的，意味着它是一个只包含单一类型数据的数组。Python的列表和图元在它们包含的数据类型上是不受限制的。NumPy上的矢量操作的概念允许在NumPy数组对象和数据序列上使用更优化和预编译的函数和数学操作。与简单的非矢量化操作相比，输出和操作的速度会加快。

实例1：在NumPy数组上使用矢量求和方法。我们将比较矢量求和法与简单的非矢量操作，即迭代法来计算0-14999的数字之和。

# importing the modules
import numpy as np
import timeit
 
# vectorized sum
print(np.sum(np.arange(15000)))
 
print("Time taken by vectorized sum : ", end = "")
%timeit np.sum(np.arange(15000))
 
# iterative sum
total = 0
for item in range(0, 15000):
    total += item
a = total
print("\n" + str(a))
 
print("Time taken by iterative sum : ", end = "")
%timeit a

输出 :

NumPy中的矢量操作

上面的例子显示了NumPy的矢量化操作与非矢量化操作相比，具有更优的性质。这意味着当计算效率是程序的关键因素时，我们应该避免使用这些简单的操作，而应该使用NumPy的矢量化函数。

例子2：这里我们将比较NumPy指数函数和Python内置数学库的指数函数，以计算特定对象中每个条目的指数值。

# importing the modules
import numpy as np
import timeit
import math
 
# vectorized operation
print("Time taken by vectorized operation : ", end = "")
%timeit np.exp(np.arange(150))
 
# non-vectorized operation
print("Time taken by non-vectorized operation : ", end = "")
%timeit [math.exp(item) for item in range(150)]

输出 :

NumPy中的矢量操作