你在列表推导式中使用了一个生成器表达式:
sum(samples[i-j] for j in range(n))
生成器表达式每次运行都需要创建一个新的框架,就像函数调用一样。这相对比较昂贵。
您根本不需要使用生成器表达式;您只需要切片 samples
列表:
sum(samples[i - n + 1:i + 1])
你可以指定第二个参数,即 sum()
函数的 起始值;将其设置为 0.0
可以得到浮点数结果:
sum(samples[i - n + 1:i + 1], 0.0)
同时这些变化能够产生重大影响:
>>> from timeit import timeit
>>> import random
>>> testdata = [i*random.random() for i in range(1000)]
>>> def slow_moving_average(samples, n=3):
... return [float(sum(samples[i-j] for j in range(n)))/n for i in range(n-1, len(samples))]
...
>>> def fast_moving_average(samples, n=3):
... return [sum(samples[i - n + 1:i + 1], 0.0) / n for i in range(n-1, len(samples))]
...
>>> def verbose_moving_average(samples, n=3):
... l =[]
... for i in range(n-1, len(samples)):
... x = 0.0
... for j in range(n):
... x+= samples[i-j]
... l.append(x / n)
... return l
...
>>> timeit('f(s)', 'from __main__ import verbose_moving_average as f, testdata as s', number=1000)
0.9375386269966839
>>> timeit('f(s)', 'from __main__ import slow_moving_average as f, testdata as s', number=1000)
1.9631599469939829
>>> timeit('f(s)', 'from __main__ import fast_moving_average as f, testdata as s', number=1000)
0.5647804250038462
float
并除以n
。 - Christian Tapia