是否存在与以下函数等效的标准库/ numpy:
def augmented_assignment_sum(iterable, start=0):
for n in iterable:
start += n
return start
?
虽然sum(ITERABLE)
非常优雅,但它使用+
运算符而不是+=
,在np.ndarray
对象的情况下,这可能会影响性能。
我已经测试过我的功能可能与sum()
一样快(而使用+
的等效速度要慢得多)。由于它是纯Python函数,因此我认为它的性能仍然受到限制,因此我正在寻找其他选择:
In [49]: ARRAYS = [np.random.random((1000000)) for _ in range(100)] In [50]: def not_augmented_assignment_sum(iterable, start=0): ...: for n in iterable: ...: start = start + n ...: return start ...: In [51]: %timeit not_augmented_assignment_sum(ARRAYS) 63.6 ms ± 8.88 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) In [52]: %timeit sum(ARRAYS) 31.2 ms ± 2.18 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) In [53]: %timeit augmented_assignment_sum(ARRAYS) 31.2 ms ± 4.73 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) In [54]: %timeit not_augmented_assignment_sum(ARRAYS) 62.5 ms ± 12.1 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) In [55]: %timeit sum(ARRAYS) 37 ms ± 9.51 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) In [56]: %timeit augmented_assignment_sum(ARRAYS) 27.7 ms ± 2.53 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
我曾尝试将
functools.reduce
与operator.iadd
结合使用,但其性能相似:
In [79]: %timeit reduce(iadd, ARRAYS, 0) 33.4 ms ± 11.6 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) In [80]: %timeit reduce(iadd, ARRAYS, 0) 29.4 ms ± 2.31 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
我也对内存效率感兴趣,因此更喜欢扩展分配,因为它们不需要创建中间对象。
是否有以下函数的任何标准库/ numpy等效项:def extendeded_assignment_sum(iterable,start = 0):对于n中的iterable:start + = n返回start吗?而sum(...
标题问题的答案---我希望@Martijn Pieters会原谅我对隐喻的选择---从马口中直接得出的是:不,没有这样的内置函数。