python 運(yùn)行效率低，這對(duì)于有些任務(wù)不太友好，特別是大量的數(shù)據(jù)處理任務(wù)，如何提高數(shù)據(jù)處理的效率，本人有幾點(diǎn)體會(huì)。
1、盡量使用 numpy 進(jìn)行處理，比如數(shù)組不要用 list 創(chuàng)建，而是用 np.array創(chuàng)建
2、盡量使用 numpy 自帶函數(shù)進(jìn)行處理，比如計(jì)算數(shù)組a的長度，用 a.shape[0]，而不是 len(a)
3、盡量避免 numpy 和 Python 自帶的語法混合編程，如盡量少用 list，dict 等數(shù)據(jù)結(jié)構(gòu)
4、盡量避免循環(huán)，特別是多重循環(huán)
5、如果循環(huán)不可避免，則循環(huán)形式盡可能接近 c 語言風(fēng)格，比如采用 for i in range(a.shape[0]，而不是 for item in a。最后加上大殺器 numba 模塊，則有時(shí)可使循環(huán)提速百倍以上。注意numba模塊只需加入有循環(huán)的模塊，所以盡可能使循環(huán)模塊封裝成一個(gè)獨(dú)立函數(shù)，此函數(shù)盡可能簡(jiǎn)單，最簡(jiǎn)單到只有循環(huán)模塊。
6、 numpy 自帶函數(shù)都是經(jīng)過優(yōu)化的，使用 numba 幾乎達(dá)不到優(yōu)化效果
7、其他知名模塊如 scipy， 也都是經(jīng)過優(yōu)化的，使用 numba 幾乎達(dá)不到優(yōu)化效果
8、最后優(yōu)化會(huì)使代碼難以調(diào)試，容易出錯(cuò)，所以優(yōu)化是最后進(jìn)行且只對(duì)程序熱點(diǎn)進(jìn)行優(yōu)化
9、多進(jìn)程有時(shí)不僅不能提高效率，反而使效率減小很多倍。

總結(jié)

以上是生活随笔為你收集整理的numpy 加速心得的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。