Python numpy数组的分数部分
我只需要得到数组的小数部分。 使用numpy或简单的pythonmodf函数很方便 如果我们使用正分数数据的大数组,例如,可以大到(1000000,3),那么更方便的方法是:Python numpy数组的分数部分,python,numpy,python-2.7,Python,Numpy,Python 2.7,我只需要得到数组的小数部分。 使用numpy或简单的pythonmodf函数很方便 如果我们使用正分数数据的大数组,例如,可以大到(1000000,3),那么更方便的方法是: numpy.modf(array)[0] array-numpy.trunc(array) 在我看来,2在内存使用方面更快更便宜。。。但不确定。python和numpy专家是怎么想的?我不是专家,所以我必须使用timeit模块来检查速度。我使用IPython(这使计时变得非常简单),但即使没有它,timeit模块也可
numpy.modf(array)[0]
array-numpy.trunc(array)
在我看来,2在内存使用方面更快更便宜。。。但不确定。python和numpy专家是怎么想的?我不是专家,所以我必须使用
timeit
模块来检查速度。我使用IPython(这使计时变得非常简单),但即使没有它,timeit
模块也可能是一种方法
In [21]: a = numpy.random.random((10**6, 3))
In [22]: timeit numpy.modf(a)[0]
10 loops, best of 3: 90.1 ms per loop
In [23]: timeit a-numpy.trunc(a)
10 loops, best of 3: 135 ms per loop
In [24]: timeit numpy.mod(a, 1.0)
10 loops, best of 3: 68.3 ms per loop
In [25]: timeit a % 1.0
10 loops, best of 3: 68.1 ms per loop
最后两个是等价的。我对内存使用了解不多,但如果modf(a)[0]
和a-numpy.trunc(a)
都没有比直接使用mod使用更多内存,我会感到惊讶
[顺便说一句,如果您的代码符合您的要求,并且您只对改进感兴趣,那么您可能会感兴趣。我仍然不能很好地理解分界点在哪里,但这更像是他们的一杯茶。]谢谢,我没有想到%1,我认为这是最方便的解决方案,因为它使用纯python regardsI应该希望“专家”也使用
timeit
来检查速度。在橡胶与路面接触的地方,在实际测量之前(通常)无法知道某些东西的性能如何。如果使用%=1,则可以获得稍好的性能。而不是使用新数组来存储值,因为它会在适当的位置修改数组