在Python中计算数组的乘积

Question

从这个问题中，我看到了如何用一个浮点数乘以一个numpy数组中的所有元素（JoshAdel的第二个答案）。但是当我将P更改为（长）数组的最大值时，是更好地事先存储最大值，还是在第二个示例中仅计算H的最大值一次？

import numpy as np
H = [12,12,5,32,6,0.5]
P=H.max()
S=[22, 33, 45.6, 21.6, 51.8]
SP = P*np.array(S)

或者

import numpy as np
H = [12,12,5,32,6,0.5]
S=[22, 33, 45.6, 21.6, 51.8]
SP = H.max()*np.array(S)

那么它是为每个要乘的项目计算H.max()，还是聪明到只需计算一次？在我的代码中，S和H是比示例中更长的数组。

- Mathias711

---

你可以构造一个由10^6个向量组成的示例并进行检查。或者在循环中运行它。甚至有一个timeit模块可以用来做这件事。 - luk32

第一段代码片段耗时4.47微秒，而不是11.9微秒，但我建议使用您的真实数据进行性能分析。 - EdChum

实际上，在计时方面似乎没有什么区别，对于一个随机数组包含100,000个元素，仅计算P=H.max()就需要51.2微秒，然后计算SP = P*np.array(S)需要165微秒，而计算SP = H.max()*np.array(S)则需要217微秒，因此差别很小。 - EdChum

@EdChum 好的。我自己也一直在尝试使用timeit，但是我以前从来没有做过，所以我无法像你那样快速测试它。感谢您提供的信息！ - Mathias711

Answer 1

这两种方法之间的区别很小:

In [74]:

import numpy as np
H = np.random.random(100000)
%timeit P=H.max()
S=np.random.random(100000)
%timeit SP = P*np.array(S)
%timeit SP = H.max()*np.array(S)
10000 loops, best of 3: 51.2 µs per loop
10000 loops, best of 3: 165 µs per loop
1000 loops, best of 3: 217 µs per loop

在这里，您可以看到预先计算H.max()的每个步骤与在单行中计算它没有区别。

- EdChum