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,timedelta;
print(datetime.now())

　　

dtp = datetime.strptime('2017年9月30日12时3分4秒','%Y年%m月%d日12时3分4秒')
print(dtp)#datetime.strptime()#字符串转时间
end = datetime.strptime('2018-10-25 22:00',"%Y-%m-%d %H:%M")#时间转字符串
print(end-dtp)

　　

 

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。

#用列表+循环实现，并包装成函数
def lsSum(x):
    a=list(range(x))
    b=list(range(0,2*x,2))
    c=[]
    for i in range(len(a)):
        c.append(a[i]**2+b[i]**3)
    return c

#用numpy实现，并包装成函数
def npSum(y):
    import numpy as np;
    a = np.arange(y)
    b = np.arange(0,2*y,2)
    c = a**2 + b**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。
dt = datetime.now()
lsSum(10000000)
print(datetime.now()-dt)

dt1 = datetime.now()
npSum(10000000)
print(datetime.now()-dt1)

　　

 

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。

 

def time_li2(li1,li2):
    li3 = [[[0 for row3 in range(3)] for row2 in range(3)] for row1 in range(3)]
    for i in range(len(li1)):
        for j in range(len(li1[i])):
            for k in range(len(li1[i][j])):
                li3[i][j][k] = li1[i][j][k] **2 + li2[i][j][k] **3
    return li3
def sq4(li1,li2):
    return list(np.array(a)**2+np.array(b)**3)