Python Numpy数组比list慢(更慢
Python Numpy数组比list慢的原因是因为Numpy数组是基于C语言实现的，而Python的list是基于动态数组实现的。由于C语言是一种编译型语言，执行效率更高，因此Numpy数组在处理大规模数据时比Python的list更快。
Numpy是Python科学计算的核心库，提供了高性能的多维数组对象和用于处理数组的各种函数。它的优势在于：
- 高效的数值计算：Numpy数组的底层实现使用了连续的内存块，可以有效地存储和处理大规模数据，提供了丰富的数学函数和运算符，使得数值计算更加高效。
- 广播功能：Numpy数组支持广播功能，可以对不同形状的数组进行计算，而无需进行显式的循环操作，这大大简化了代码的编写和阅读。
- 矢量化操作：Numpy数组支持矢量化操作，可以对整个数组进行操作，而无需逐个元素进行循环，这样可以提高代码的执行效率。
- 科学计算库的基础：Numpy是许多科学计算库的基础，如Scipy、Pandas和Matplotlib等，这些库都是建立在Numpy的基础上，因此熟练使用Numpy可以更好地进行科学计算和数据分析。
Numpy数组适用于以下场景：
- 数值计算：Numpy数组提供了丰富的数学函数和运算符，适用于各种数值计算，如线性代数、傅里叶变换、随机数生成等。
- 数据分析：Numpy数组可以高效地处理大规模数据，适用于数据分析、数据清洗、数据预处理等任务。
- 机器学习：Numpy数组是机器学习算法的常用数据结构，适用于特征提取、模型训练、模型评估等任务。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云云服务器（CVM）：提供高性能、可扩展的云服务器实例，适用于各种计算任务。详细介绍请参考：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库MySQL版：提供高可用、可扩展的云数据库服务，适用于存储和管理大规模数据。详细介绍请参考：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云人工智能平台（AI Lab）：提供丰富的人工智能服务和工具，包括图像识别、语音识别、自然语言处理等。详细介绍请参考：https://cloud.tencent.com/product/ailab
请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求进行。
相关·内容
2回答
Numpy函数很慢吗？
、、、、
Numpy应该是很快的。然而，当比较Numpy ufuncs和标准Python函数时，我发现后者要快得多。
例如,
aa = np.arange(1000000, dtype = float)
%timeit np.mean(aa) # 1000 loops, best of 3: 1.15 ms per loop
%timeit aa.mean # 10000000 loops, best of 3: 69.5 ns per loop
我用其他的Numpy函数也得到了类似的结果，比如max，power。我的印象是，Numpy有一个开销，这使得它在小型数组中速度较慢，但在大型数组中会更快。在上
浏览 1提问于2013-08-05得票数 1
我将改进我的代码片段的性能，它将经常递归地获得子数组。
所以我使用了numpy.array而不是内置列表。因为，正如我所知，在获取子数组时，numpy.array不复制原始列表。
但是当我换到numpy.array的时候，表现变得更糟了。所以我想知道原因。谢谢!
下面是我的代码片段和使用我得到的不同对象的执行时间：
import timeit
stat = '''
import numpy
def func(a):
a[len(a)-1] += 1
if len(a) == 1:
return a[0]
else:
浏览 3提问于2015-04-23得票数 2
回答已采纳
2回答
是一种新的统计编程语言，它声称比竞争语言的性能要好得多。我在试着证实这一点。Julia有一个用Python语言编写的性能测试：
我不能让它和pypy一起工作。也许这是由于numpypy与numpy的不兼容，但我还不能确定这一点。我遵循了ImportError的建议"...or just write 'import numpypy' first in your program..."，但我得到了另一个ImportError："No module named numpy.linalg"
我几乎没有使用Python的经验，我正在寻找一个我可以运行的完整
浏览 1提问于2012-05-28得票数 23
回答已采纳
我有一个一维numpy数组(array_)和一个Python列表(list_)。
下面的代码可以工作，但效率很低，因为切片涉及不必要的复制(当然对于Python列表，我相信也适用于numpy数组？)：
result = sum(array_[1:])
result = sum(list_[1:])
重写它的好方法是什么？
浏览 2提问于2011-05-05得票数 10
回答已采纳
1回答
我一直被告知python的本机追加是一个缓慢的函数，应该在for循环中避免。然而，经过几次小测试之后，我发现在使用for循环迭代它时，它的性能比numpy数组要差得多：
第一次测试数组/列表构造
附加python本机列表
def pythonAppend(n):
x = []
for i in range(n):
x.append(i)
return x
%timeit pythonAppend(1000000)
Numpy分配数组然后访问
def numpyConstruct(n):
x = np.zeros(n)
浏览 4提问于2019-11-28得票数 0
回答已采纳
使用Python的本机sum函数和NumPy的numpy.sum在性能和行为上有什么不同？sum工作在NumPy的数组上，numpy.sum工作在Python列表上，它们都返回相同的有效结果(没有测试溢出等边缘情况)，但类型不同。
>>> import numpy as np
>>> np_a = np.array(range(5))
>>> np_a
array([0, 1, 2, 3, 4])
>>> type(np_a)
<class 'numpy.ndarray')
>>>
浏览 2提问于2012-06-06得票数 80
回答已采纳
我正在处理一个二维数组。基本上，只是尝试做一个常量值的元素相加。需要加速代码，所以尝试使用numpy数组而不是list of list，但发现numpy更慢。你知道我做错了什么吗？谢谢。 例如： import time
import numpy as np
my_array_list = [[1,2,3],[4,5,6],[7,8,9]]
my_array_np = np.array(my_array_list)
n = 100000
s_np = time.time()
for a in range(n):
for i in range(3):
for j i
浏览 47提问于2020-03-24得票数 1
我试图在python中编写一个计数排序，以便在某些情况下击败内置的timsort。现在，它超越了内置的排序函数，但只对非常大的数组(长度为100万个或更长的整数，我还没有尝试过超过1,000万个整数)和范围不超过10,000。此外，胜利是狭窄的，在特定的随机列表中，计数排序仅以很大的优势获胜。
我已经读过关于通过矢量化python代码可以获得惊人的性能收益的文章，但我并不特别了解如何在这里使用它。我想知道如何将这段代码向量化以加快速度，任何其他性能建议都是受欢迎的。
当前仅适用于python和stdlib的最快版本：
from itertools import chain, repeat
d
浏览 0提问于2013-08-29得票数 3
回答已采纳
众所周知，如果a是一个numpy数组，那么a.tolist()比list(a)更快，例如：
>>> import numpy as np
>>> big_np=np.random.randint(1,10**7,(10**7,))
>>> %timeit list(big_np)
1 loop, best of 3: 869 ms per loop
>>> %timeit big_np.tolist()
1 loop, best of 3: 306 ms per loop
这意味着，朴素的list(a)版本是关于因子3比
浏览 2提问于2018-04-03得票数 3
回答已采纳
我需要从特定的脸/顶点列表中计算出最小值、最大值和平均值。我试图通过使用Numpy来优化这种计算，但没有成功。
下面是我的测试用例：
#!/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)
浏览 1提问于2013-02-22得票数 4
回答已采纳
1回答
如果我将python列表发送给cython函数进行迭代，我是否应该声明列表项的类型？另外，在cython中循环列表的最好方法是什么？例如：
#Cython function, passed a list of float items
def cython_f(list example_list):
cdef int i
for i in range(len(example_list)):
#Do stuff
#but list item type not defined?
pass
#Alternative loop
浏览 1提问于2014-05-17得票数 11
回答已采纳
Python的numpy库对奇特的索引进行“矢量化”有时会产生意想不到的结果。例如：
import numpy
a = numpy.zeros((1000,4), dtype='uint32')
b = numpy.zeros((1000,4), dtype='uint32')
i = numpy.random.random_integers(0,999,1000)
j = numpy.random.random_integers(0,3,1000)
a[i,j] += 1
for k in xrange(1000):
b[i[k],j[k]] +=
浏览 0提问于2012-06-13得票数 6
我有一个项目，其中的数据存储在一个二维数组，每个需要分析。我要反复看一遍。我刚刚学习了NumPy，并考虑在这个项目中使用它，但是在运行了一些代码之后，我发现它最终比仅仅使用for循环要慢。
import numpy
import time
list_ = [[num + 1 for num in range(5)] for lst in range(1000000)]
array = numpy.array([[num + 1 for num in range(5)] for lst in range(1000000)])
start = time.perf_counter()
count
浏览 18提问于2022-07-21得票数 0
2回答
我有一个由cftime类的对象(dtype=object)组成的numpy数组。 In [1]: a
Out[1]:
array([cftime.DatetimeNoLeap(2000, 1, 1, 11, 29, 59, 999996, 5, 1),
cftime.DatetimeNoLeap(2000, 1, 2, 11, 29, 59, 999996, 6, 2),
cftime.DatetimeNoLeap(2000, 1, 3, 11, 29, 59, 999996, 0, 3)],
dtype=object)
In [2]: type(
浏览 15提问于2019-01-15得票数 1
回答已采纳
1回答
我想知道添加到python中的列表是否比填充“空”numpy数组更快或更慢。我知道numpy是直接用C编写的，因此我希望它比在python中构建函数的速度更快。我写了一个代码，看看是否真的是这样。然而，我发现，填充列表比np数组更快。我对这段代码进行了更大的测试，以便能够忽略在numpy库中加载的影响。有人知道为什么会这样吗？谢谢!
代码：
import time
import numpy as np
import matplotlib.pyplot as plt
n = 10000000
t_np_0= time.perf_counter()
f = np.empty(n)
for
浏览 1提问于2022-07-07得票数 -3
2回答
我想比较两个数字数组，一个元素，一个元素，考虑到位置。例如
[1, 2, 3]==[1, 2, 3] -> True
[1, 2, 3]==[2, 1, 3] -> False
我尝试了以下方法
for index in range(list1.shape[0]):
if list1[index] != list2[index]:
return False
return True
但是我得到了以下错误
ValueError: The truth value of an array with more than one e
浏览 0提问于2014-12-20得票数 2
回答已采纳
1回答
我一直在用python编写cffi模块，它们的速度让我怀疑我是否正确地使用了标准python。这让我想要完全切换到C！事实上，有一些很棒的python库，我无法在C中重新实现自己，所以这比任何事情都更假设。
这个例子展示了与numpy数组一起使用的python中的sum函数，以及它与c函数相比有多慢。有没有一种更快的pythonic方法来计算numpy数组的和？
def cast_matrix(matrix, ffi):
ap = ffi.new("double* [%d]" % (matrix.shape[0]))
ptr = ffi.cast("do
浏览 3提问于2014-04-14得票数 14
回答已采纳
1回答
我要计算两个量A和B的乘积，然后计算乘积F。一般来说，A和B是数很大的矩阵，所以这种运算是传统的矩阵乘法。让我们把简单性A和B当作标量来考虑。我测试过的所有方法的Python代码如下：
from __future__ import division
import numpy as np
from sympy import Matrix
from sympy import *
A = 2251875000001
B = 28839630
F = 33232924804801
#Method 1: pure Python
C1 = (A*B) % F
A_mat = np.matrix(A
浏览 0提问于2018-05-18得票数 1
回答已采纳
1回答
我试图在特定的时间框架内计算股票价格发展的线性回归。在添加stats.linregress()函数之前，代码运行良好；给出了以下错误：
回溯(最近一次调用)：
文件"C:/.../PycharmProjects/Portfolio_Algorithm/Main.py"，第3行，在
from scipy import stats
文件"C:...\Continuum\Anaconda3\lib\site-packages\scipy__init__.py"，第61行，在
from numpy import show_config as show_numpy_co
浏览 0提问于2016-12-05得票数 0
我有以下numpy复合数据类型：
mytype = numpy.dtype([('x', 'f8'),
('y', 'f8'),
('z', 'f8'))])
但是，当我试图填充这种类型的向量时，它比三个单独的数组慢了60倍：
#!/usr/bin/env python3
import time
import random
import numpy
mytype = numpy.dtype([('x&
浏览 6提问于2015-11-04得票数 1
回答已采纳
我正在尝试使用Python的itertools模块来加速一个三重嵌套的for循环。下面的测试代码将标准的三重嵌套循环与itertools的product方法和输出进行了比较：
嵌套循环时间= 2.35023秒
Itertools循环时间= 2.67766秒
我是不是遗漏了什么？
import numpy
import itertools
import time
n = 128
a = numpy.arange(n**3).reshape((n,n,n))
b = numpy.zeros((n,n,n))
c = numpy.zeros((n,n,n))
t = time.time()
fo
浏览 1提问于2012-02-18得票数 12
3回答
我注意到Python中数组操作的事实标准是通过优秀的numpy库实现的。然而，我知道Python Standard Library有一个array模块，在我看来，它的用例与Numpy相似。
是否有任何实际的示例表明，相对于numpy list**?**或普通list**？**，更适合使用
根据我天真的解释，array只是同构数据的内存高效容器，但没有提供提高计算效率的方法。
编辑
出于好奇，我在Github和import array上搜索Python点击了186'721次，而import numpy点击了8'062'678次。
但是，我找不到使用array的流行存储库
浏览 36提问于2018-07-12得票数 7
回答已采纳
2回答
我对python numpy还是个新手。
如果我有一个numpy向量的列表。确保计算速度的最佳方法是什么？
我目前正在做这件事，我发现它太慢了。
vec = sum(list of numpy vectors) # 4 vectors of 500 dimensions each
使用sum确实会占用相当多的时间。
浏览 1提问于2016-06-12得票数 2
使用numba比使用纯python的程序快得多：
现在似乎已经确定，纯python上的numba甚至(大多数时候)比numpy-python (例如 )还要快。
根据，在纯python上使用的numba比使用numpy的python代码要快。这通常是真的吗?为什么？
在中，解释了为什么纯python上的numba比numpy -python更快: numba看到了更多的代码，并且有更多的方法来优化代码，而numpy只看到一小部分代码。
这能回答我的问题吗？我是否妨碍numba在使用numpy时完全优化我的代码，因为numba被迫使用numpy例程，而不是找到一种更优化
浏览 0提问于2019-10-14得票数 1
回答已采纳
1回答
我正在编写一个用于chroma键(绿色屏幕)的脚本，并使用Python和PIL (枕头)组合一些视频。我可以键入720 p图像，但还有一些绿色溢出。可以理解，但我正在编写一个例程来删除这个spill...however，我正在为它花费多长时间而苦苦挣扎。我可能可以获得更好的速度使用矮胖技巧，但我不太熟悉它。有什么想法吗？
这是我讨厌的例行公事。它需要一个PIL图像和一个敏感的数字，但到目前为止，我一直把它放在1.它一直工作得很好。我要以4秒多一点的速度进入一个720 p的框架来清除这个溢出物。作为比较，色度键例程运行在大约2秒每帧。
def despill(img, sensitivity=1
浏览 7提问于2015-10-16得票数 3
回答已采纳
背景
我在一个NumPy数组中有很多数字消息代码，我需要快速地将它们转换成字符串。我有一些问题的表现，并希望了解为什么和如何使它迅速。
一些基准测试
I -平凡的方法
import numpy as np
# dictionary to use as the lookup dictionary
lookupdict = {
1: "val1",
2: "val2",
27: "val3",
35: "val4",
59: "val5" }
# some test da
浏览 10提问于2014-07-11得票数 13
回答已采纳
2回答
一个完整的Python新手的问题。
我有一个列数组，根据应用到另一个数组的条件语句，需要强制某些值为零。我找到了两种解决办法，两者都提供了正确的答案。但对于我通常需要的大型数组(>1E6元素)来说，它们都很耗时--我还怀疑这是糟糕的编程技术。这两个版本是：
from numpy import zeros,abs,multiply,array,reshape
def testA(y, f, FC1, FC2):
c = zeros((len(f),1))
for n in xrange(len(f)):
if abs(f[n,0]) >= FC1 a
浏览 3提问于2011-09-29得票数 2
回答已采纳
2回答
假设我有一个需要求和的表达式：
其中边界是有限且已知的。在scipy/numpy中计算这样的和的最快或最有效的方法是什么？这可以通过嵌套的for循环来完成，但是有没有更好的方法呢？
浏览 0提问于2012-10-05得票数 2
回答已采纳
1回答
假设我想使用njit生成一个数组，它是Numba的一个库。下面的方法是抛出一个错误，我不知道原因。我是从跟踪这个的。
import numpy as np
from numba import prange, njit
def numpy_random(n):
return np.random.normal(size=n)
s=np.zeros(n)
def call_func(func): # only take func
func = njit(func) # compile func in nopython mode!
@njit
d
浏览 17提问于2022-11-20得票数 -1
我有一个名称的样本数据集。它是一个csv文件，有2列，每列200行。这两列都包含随机名称。我使用以下代码将csv文件加载到pandas Dataframe中，将dataframe转换为numpy数组，然后将numpy数组转换为标准python列表。代码如下：
x_df = pd.read_csv("names.csv")
x_np = x_df.to_numpy()
x_list = x_np.tolist()
print("Pandas dataframe:")
print('Using sys.getsizeof(): {}'.format
浏览 0提问于2021-03-26得票数 0
我是Python的新手，在这段代码中有一些我不理解的地方： import numpy as np
a_list = []
sub_list = ["apple", "banana", "cherry"]
a_list.append(sub_list)
print(type(a_list))
print(type(a_list[0]))
print(type(sub_list))
array = np.array(a_list)
print(type(array))
print(type(array[0]))
print(type(su
浏览 27提问于2019-12-19得票数 1
回答已采纳
1回答
给定一个数据矩阵，其离散项表示为一个2D数字数组，我试图计算某些特征(列)的观测频率，只查看某些实例(矩阵的行)。
我可以很容易地使用numpy，在完成了一些花哨的切片之后，将bincount应用于每个切片。在纯Python中这样做，使用外部数据结构作为计数累加器，是C风格的双循环。
import numpy
import numba
try:
from time import perf_counter
except:
from time import time
perf_counter = time
def estimate_counts_numpy(data
浏览 4提问于2014-10-03得票数 2
回答已采纳
2回答
我正在使用Python2.7、jinja2、flask和Highcharts。我创建了两个numpy数组(x1 and x2, type = numpy.dnarray)，并将其传递给Highcharts。我的问题是，Highcharts无法识别向量中的逗号。
这是我的jinja2代码：
<script>
$(function () {
$('#container').highcharts({
series: [{
name: 'Tokyo',
data: {{ x1 }}
浏览 0提问于2014-06-13得票数 0
我将一个大约2000的方法测试套件从移植到，因为不太支持并行化。把鼻子换成pytest似乎效果很好，在pytest.ini中添加了python_files之后，它几乎找到了我们所有的测试。
最大的缺点是，当我使用-n 4运行时，测试套件会比没有-n标志时变得更慢。在整个套件的大约10%的子集上运行，它似乎有大约20%-30%的平稳减速，尽管我采取的计时相当嘈杂。这对于开销来说是有一定意义的，但是无论我选择多少进程，计时都不会下降。
使用--durations=20运行显示，每个设置阶段每个进程都需要多花几秒钟的时间，并且每个其他测试都会稍微变慢。
使用-vvv在测试运行时列出测试，输出几乎完全
浏览 2提问于2017-02-17得票数 17
我知道在Python中，就地操作符使用__iadd__方法来处理本地操作符.对于不可变类型，__iadd__是一种使用__add__的解决方案，例如，tmp = a + b; a = tmp，但是可变类型(如列表)会被就地修改，这会带来轻微的速度提升。
但是，如果我有一个NumPy数组，其中我修改了它包含的不可变类型，例如整数或浮点数，那么速度也会有更大的提升。这是怎么回事？我在下面做了一些例子基准测试：
import numpy as np
def inplace(a, b):
a += b
return a
def assignment(a, b):
a = a
浏览 1提问于2014-06-22得票数 2
回答已采纳
与使用list (或更高维度的list of list等)相比，使用dtype='o'将Python对象存储在list中的优缺点是什么？
在这种情况下，numpy数组是否更有效？(它们似乎无法避免间接性，但在多维情况下可能更有效。)
浏览 1提问于2013-04-11得票数 18
回答已采纳
我正在编写一个程序，其中我想要展平一个数组，所以我使用了以下代码： list_of_lists = [["a","b","c"], ["d","e","f"], ["g","h","i"]]
flattened_list = [i for j in list_of_lists for i in j] 这将产生['a', 'b', 'c', 'd', 'e', 'f
浏览 19提问于2019-09-12得票数 0
我有一些代码循环通过大量的itertools.combinations，这现在是一个性能瓶颈。我正试图求助于numba的@jit(nopython=True)来加快速度，但我遇到了一些问题。 首先，根据这个小例子，numba似乎不能处理itertools.combinations本身： import itertools
import numpy as np
from numba import jit
arr = [1, 2, 3]
c = 2
@jit(nopython=True)
def using_it(arr, c):
return itertools.combinatio
浏览 39提问于2020-04-17得票数 6
看看下面这段代码：
import numpy as np
import timeit
print('close', timeit.Timer(lambda: np.log(0.99999999999999978)).timeit())
print('not close', timeit.Timer(lambda: np.log(0.99)).timeit()))
输出为：
close 4.462684076999722
not close 0.6319260000018403
为什么运行时间会有这么大(数量级)的差异？我是不是遗漏了什么？
编辑：
更准确地说，
浏览 2提问于2016-09-20得票数 4
例如，对于具有n个元素的一维数组，如果我想在Matlab中这样做，我可以这样做：
A(end+1) =1
它将1的值赋给数组A的最后一个元素，即现在的n+1长度。
Python/Numpy中有类似的吗？
浏览 6提问于2013-10-29得票数 5
回答已采纳
我惊讶地看到python的比numpy等效的还要快。这是否与我所使用的值的分布有关，还是对任何输入都是如此？
>>> input_size = 10**3
>>> input_list = sorted([random.uniform(0, 300) for _ in range(input_size)])
>>> numpy_input = np.array(input_list)
>>> %timeit index = bisect.bisect_left(input_list, 100)
434 ns ± 6.17
浏览 1提问于2020-07-06得票数 3
回答已采纳
我对矮胖很陌生，也找不到解决办法。我在python中有一个2d浮点数列表，如：
list1[0..8][0..2]
例如：
print(list1[0][0])
> 0.1122233784
现在我想找到min和max值：
b1 = numpy.array(list1)
list1MinX, list1MinY, list1MinZ = b1.min(axis=0)
list1MaxX, list1MaxY, list1MaxZ = b1.max(axis=0)
我需要在一个循环中这样做大约一百万次。
它工作正常，但比我以前的原生python方法慢了大约3倍。
(1:15分钟比0:25
浏览 3提问于2015-02-05得票数 0
回答已采纳
1回答
我正在使用几种技术(NumPy、Weave和Cython)来执行Python性能基准。代码在数学上所做的基本上是C = AB，其中A、B和C是N x N矩阵(注意：，这是矩阵乘积，而不是按元素进行的乘法)。
我编写了5种不同的代码实现：
纯python ( 2D Python列表上的循环)
NumPy (二维NumPy阵列的点积)
编织内联(二维阵列上的C++循环)
Cython (在2D Python列表上循环+静态类型)
(在2D NumPy数组上循环+静态类型)
我的期望是，实现2到5的速度将大大快于实现1。然而，我的结果表明并非如此。以下是我与纯Python
浏览 7提问于2013-06-10得票数 4
回答已采纳
我有一个python列表，每个元素都是一个2dNumpy数组，大小为(20, 22)。我需要将列表转换为numpy数组，但是执行np.array(my_list)实际上就是在消耗内存，np.asarray(my_list)也是如此。 这个列表大约有7M个样本，我在想，与其把我的列表转换成numpy数组，不如先从numpy数组开始，然后继续追加另一个2d numpy数组。 我找不到一种使用numpy的方法，我的目标是从这样的东西开始： numpy_array = np.array([])
df_values = df.to_numpy() # faster than df.values
fo
浏览 32提问于2021-10-04得票数 0
回答已采纳
我想在python中实现Vantage，但是它在std::nth_element中使用C++。
因此，我想在Python或numpy中找到等效的'nth_element‘函数。
注意，nth_element只对数组进行部分排序，它是O(N)。
int the_array[10] = {4,5,7,3,6,0,1,2,9,8};
std::vector<int> the_v(the_array,the_array+10);
std::nth_element (the_v.begin()+0, the_v.begin()+5, the_v.begin()+10);
现在，载体可
浏览 1提问于2016-08-04得票数 5
回答已采纳
1回答
根据的说法。cublasZgemm比英特尔MKL快6倍。
然而，在我的电脑(Linux2600，Nvidia gtx560，OS:Linux64位)上，cublasZgemm的运行速度比i7稍慢。
我使用附带的numpy.dot()，它将numpy与MKL10.3链接起来。
使用cublasZgemm的矩阵乘法函数在共享库中编译，并使用python脚本中的ctype进行调用。
当将两个1024x1024复数矩阵相乘时。numpy.dot()花费了84ms。ctypes函数调用花费了110毫秒，而cublasZgemm()部分花费了97毫秒。
我想知道为什么cublassZgemm没有nvidi
浏览 2提问于2012-03-04得票数 4
回答已采纳
我正在运行用于机器学习的大型数据集，而我的笔记本电脑内存有限(8 8GB) Python给出了这个错误 MemoryError: Unable to allocate 1.34 GiB for an array with shape (49998, 3607) and data type float64 当我运行这行代码时 df_features = df_features.pivot(index='RepID', columns='Code', values='Frequency') 如何使用U盘作为内存或如何使用硬盘作为内存与python？
浏览 38提问于2020-06-19得票数 0
回答已采纳
随着时间的推移，我做了很多事情，需要我使用list的.append()函数，也需要为numpy数组使用numpy.append()函数。我注意到，当数组的大小很大时，两者的增长都非常缓慢。
我需要一个正在动态增长的数组，它的大小大约有100万个元素。我可以自己实现这一点，就像是在C++中生成的一样，方法是添加外部无法访问的缓冲区长度(保留长度)。但我必须重新发明方向盘吗？我认为它应该在某个地方实现。所以我的问题是: Python中已经存在这样的东西了吗？
，我的意思是：中有一种数组类型，能够在大多数时候随着O(C)的时间复杂性动态增长吗？
浏览 5提问于2016-12-09得票数 5
回答已采纳
我有一个庞大的python列表(16 GB)，我想将它转换为numpy数组。我负担不起这份声明
huge_array = np.array(huge_list).astype(np.float16)
我正在寻找一些有效的方法来将这个huge_list转换成numpy array，而不需要复制它。
有人能提出一个有效的方法来做到这一点吗？这可能需要先将列表保存到磁盘，然后将其作为numpy数组加载，我对此没有意见。
我会非常感谢你的帮助。
编辑1：huge_list是在运行时创建的内存中的python列表，因此它已经占用了16 it。我需要将它转换为numpy float16数组。
浏览 1提问于2016-08-19得票数 3
回答已采纳
我有一个矮胖的ndarray尺寸的112 * 92。这基本上是用cv2.imread读取的灰度图像。因为它的灰度，所以它的最大值是255。
我正在尝试使用phe paillier库：加密这个数组。
但是，当我运行public_key.encrypt()命令时，会得到一个错误：
Traceback (most recent call last):
File "/usr/lib/python3.5/code.py", line 91, in runcode
exec(code, self.locals)
File "<input>", l
浏览 0提问于2018-07-19得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
