我想找到計算 python 平均值的最快方法list。我有數百萬個lists 存儲在 a 中dictionary，因此我正在尋找性能方面最有效的方法。參考這個問題，如果l是浮點數列表，我有numpy.mean(l)sum(l) / float(len(l))reduce(lambda x, y: x + y, l) / len(l)哪種方式最快？
2 回答
繁華開滿天機
TA貢獻1816條經驗 獲得超4個贊
正如@DeepSpace 所建議的那樣，您應該嘗試自己回答這個問題。您還可以考慮在使用之前將列表轉換為數組numpy.mean。使用%timeit如下ipython：
In [1]: import random
In [2]: import numpy
In [3]: from functools import reduce
In [4]: l = random.sample(range(0, 100), 50) # generates a random list of 50 elements
numpy.mean無需轉換為 np.array
In [5]: %timeit numpy.mean(l)
32.5 μs ± 2.82 μs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
numpy.mean轉換為 np.array
In [5]: a = numpy.array(a)
In [6]: %timeit numpy.mean(a)
17.6 μs ± 205 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
sum(l) / float(len(l))
In [5]: %timeit sum(l) / float(len(l)) # not required casting (float) in Python 3
774 ns ± 20.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
sum(l) / len(l)
In [5]: %timeit sum(l) / len(l)
623 ns ± 27.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
reduce
In [6]: reduce(lambda x, y: x + y, l) / len(l)
5.92 μs ± 514 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
從最慢到最快：
numpy.mean(l)無需轉換為數組numpy.mean(a)將列表轉換為np.arrayreduce(lambda x, y: x + y, l) / len(l)sum(l) / float(len(l)), 這適用于 Python 2 和 3sum(l) / len(l)# 對于 Python 3，你不需要強制轉換（使用float）
RISEBY
TA貢獻1856條經驗 獲得超5個贊
下午好，我剛剛對列表中的 10 個隨機浮點數進行了測試，并進行了時間測試，發現 numpy 是最快的。
#!/usr/bin/python
import numpy as np
from functools import reduce
import time
l = [0.1, 2.3, 23.345, 0.9012, .002815, 8.2, 13.9, 0.4, 3.02, 10.1]
def test1():
return np.mean(l)
def test2():
return sum(l) / float(len(l))
def test3():
return reduce(lambda x, y: x + y, l) / len(l)
def timed():
start = time.time()
test1()
print('{} seconds'.format(time.time() - start))
start = time.time()
test2()
print('{} seconds'.format(time.time() - start))
start = time.time()
test3()
print('{} seconds'.format(time.time() - start))
timed()
與往常一樣，我確信有更好的方法可以做到這一點，但這可以解決問題。這是一個小列表：看看你在大列表中找到了什么會很有趣。
添加回答
舉報
0/150
提交
取消