用于循环性能的python

`提高python“for”循环的性能：我需要知道如何确定我的循环是否有效？如果它迭代X个循环，那么可接受的时间应该是多少

我试着用python创建一个频率分布表的函数。我有一个numpy数组形式的连续数据，我想创建类间隔，并将每个元素放入这些类间隔中（我使用“for循环”来实现）。我已经创建了这个函数，但是我不确定我的函数是否有效

def maketable(data,bins):
    data=np.array(data)
    edges=np.linspace(min(data),max(data),bins)  #creating classintervals
    classes={(edges[x],edges[x+1]):0 for x in range(bins-1)} #{tuple of classlimits:frequency}
    #for every value in data array we check if it falls in an interval(a bin) if yes,increment frequency 
    for val in data:
       for interval in classes.keys():
           if val>=interval[0] and val<=interval[1]:
              classes[interval]+=1
              break
    return(classes)

def生成表（数据、存储箱）：
data=np.array（数据）
edges=np.linspace（最小（数据）、最大（数据）、存储箱）#创建ClassInterval
类={（边[x]，边[x+1]）：范围内x的0（bin-1）}{classlimits的元组：frequency}
#对于数据数组中的每个值，我们检查它是否落在一个间隔（一个箱子）中。如果是，则增加频率
对于数据中的val：
对于类中的间隔。键（）：
如果val>=interval[0]和val，那么看起来您实际上想要获得的是一些数据的直方图。
然后，可以使用numpy实现您的函数：

classes, bins = np.histogram(data, bins=bins)

然后，您可以返回您的
类
名称。
因此，您实际试图获取的似乎是某些数据的直方图。
然后，可以使用numpy实现您的函数：

classes, bins = np.histogram(data, bins=bins)

然后，您可以返回您的
类
名称。
提示：您应该能够使用pandas函数获得相同的结果，它甚至可能更快。我也不知道这个。谢谢你，伙计。我花了几个小时做了一个想法：你应该可以用熊猫的功能得到同样的结果，甚至可能更快。我也不知道。谢谢你，伙计。我花了几个小时做它，我不知道那个。谢谢我想知道如何判断循环是否有效。项目数量和所用时间之间是否有关系？就像循环这么多项目一样，时间应该在这么多左右。Python似乎很慢，所以如果我不知道循环是否正常，我就不能再进一步了。@KewalTakhellambam迭代次数和循环时间之间没有相关性，除了比例因子。这完全取决于每次迭代都在做什么@KewalTakhellambam您总是希望在numpy或pandas之类的库中寻找实现，因为它们通常在Cython中实现，这要快得多。比较np.histogram和for循环：）albeksdurf如果你是对的。我花了几个小时。我本可以使用其中一个库函数：）哦，我不知道那个。谢谢我想知道如何判断循环是否有效。项目数量和所用时间之间是否有关系？就像循环这么多项目一样，时间应该在这么多左右。Python似乎很慢，所以如果我不知道循环是否正常，我就不能再进一步了。@KewalTakhellambam迭代次数和循环时间之间没有相关性，除了比例因子。这完全取决于每次迭代都在做什么@KewalTakhellambam您总是希望在numpy或pandas之类的库中寻找实现，因为它们通常在Cython中实现，这要快得多。比较np.histogram和for循环：）albeksdurf如果你是对的。我花了几个小时。我可以使用其中一个库函数：）