for循环
import numpy as np
from datetime import datetime
img=np.random.random([10000,10000])
start_time=datetime.now()
img2=[]
for i in img:
for j in i:
if j > 0.5:
img2.append(1.)
else:
img2.append(0.)
print(type(img2))
print(datetime.now()-start_time)
list列表
import numpy as np
from datetime import datetime
img=np.random.random([10000,10000])
start_time=datetime.now()
img2=[1. if j>0.5 else 0. for i in img for j in i]
print(datetime.now()-start_time)
set集合
img=np.random.random([10000,10000])
start_time=datetime.now()
img2={1. if j>0.5 else 0. for i in img for j in i}
print(type(img2))
print(datetime.now()-start_time)
字典
img=np.linspace(0,100,1000000)
start_time=datetime.now()
img2={x:x**2 for x in img}
print(type(img2))
print(datetime.now()-start_time)
本文通过使用Python的NumPy库生成大规模随机数据,并利用for循环、列表推导式、集合及字典等不同数据结构处理这些数据,对比了各种数据结构在处理过程中的效率差异。
989

被折叠的 条评论
为什么被折叠?



