numpy数组及处理：效率对比

一、处理日期时间

取系统时间

转换成‘2017年9月30日星期六10时28分56秒’格式字符串

’2018-10-25 22:00‘转换成一个日期时间变量

计算两者的间隔

from datetime import datetime
now = datetime.now()
print(now)
print(now.hour)
print(now.day)
from datetime import datetime
now = datetime.now()
print('{0:%Y}年{0:%m}月{0:%d}日星期{0:%w} {0:%H}时{0:%M}分{0:%S}秒'.format(now))
from datetime import datetime
cday = datetime.strptime('2018-10-25 22:00', '%Y-%m-%d %H:%M')
print(cday)
print(cday - datetime.now())

　　

 

 

二、问题：

• 数列：
• a = a1,a2,a3,·····,an
• b = b1,b2,b3,·····,bn
• 求：
• c = a12+b13,a22+b23,a32+b33,·····+an2+bn3

1.用列表+循环实现，并包装成函数

2.用numpy实现，并包装成函数

3.对比两种方法实现的效率，给定一个较大的参数n，用运行函数前后的timedelta表示。

n=10
def pySum(n):
    a = list(range(n))
    b = list(range(0, 5 * n, 5))
    c = []
    for i in range(len(a)):
        c.append(a[i] ** 2 + b[i] ** 3)
    return (c)
print(pySum(n))

import numpy
def pySum1(n):
    a=numpy.arange(n)
    b=numpy.arange(0,5*n,5)
    c=a+b
    return (c)
print(pySum1(8))

import numpy
def npSum(n):
    a = numpy.arange(n)
    b = numpy.arange(0,7*n,7)
    c = a**2+b**3
    return (c)

from datetime import datetime as dt
start = dt.now()
pySum(100000)
de = dt.now()-start
print(de)

start = dt.now()
npSum(100000)
da = dt.now()-start
print(da)

　　

 

三、尝试把a,b定义为三层嵌套列表和三维数组，求相对应元素的ai2+bi3

对比两种数据类型处理方法及效率的不同。