модуль timeit в python не распознает модуль numpy

Я хочу проверить время обработки между двумя идентичными списками, особенно для обычного списка и списка numpy. Мой код

import timeit
import numpy as np

t = timeit.Timer("range(1000)")
print t.timeit()

u = timeit.Timer("np.arange(1000)")
print u.timeit()

Расчет для t в порядке, но для u NameError: в списке указано глобальное имя «np» не определено.

Как я должен закодировать его, чтобы получить время обработки?


python numpy timeit
person user3211991    schedule 19.01.2014    source источник

Ответы (3)


arrow_upward
16
arrow_downward

Класс timeit.Timer можно использовать двумя разными способами.

Он может либо использовать исходный код для компиляции исполняемого кода — в этом случае код выполняется в новой среде, где был запущен только код setup, либо он может принимать вызываемый объект, и в этом случае вызываемый объект просто вызывается (в вашей текущей среде, как и любой другой вызываемый объект).

Итак, у вас есть два варианта:

u = timeit.Timer("np.arange(1000)", setup='import numpy as np')

… or …

u = timeit.Timer(lambda: np.arange(1000))

В первом случае тот факт, что вы совершили import numpy as np, не имеет значения; он не влияет на среду, в которой компилируется и выполняется np.arange(1000) (поэтому вы должны включить его в бит setup=...).

Во втором случае тот факт, что вы выполнили import numpy as np, очевидно, имеет значение — он влияет на среду, в которой оценивается ваш код, включая lambda: np.arange(1000).

person abarnert    schedule 19.01.2014

arrow_upward
5
arrow_downward

Используйте параметр setup:

u = timeit.Timer("np.arange(1000)", setup='import numpy as np')
person ndpu    schedule 19.01.2014
comment
Спасибо за код. Теперь, когда я знаю время, знаете ли вы, почему время в обычном списке (10,4 с) намного больше, чем в массиве (1,9 с)? - person user3211991; 19.01.2014
comment
@user3211991 range(1000) создает список в памяти, попробуйте заменить range(1000) на xrange(1000), stackoverflow.com/questions/94935/ - person ndpu; 19.01.2014
comment
Также см. более эффективный"> stackoverflow.com/questions/10698858/ для более подробной информации об эффективности между диапазоном и np.arange - person Ffisegydd; 19.01.2014
comment
@user3211991: Это действительно отдельный вопрос… но в целом создание 1000 объектов Python int плюс список для их хранения займет больше времени, чем создание и инициализация массива из 1000 объектов C int. В этом половина смысла NumPy — отсутствие упаковки каждого значения в объекте Python экономит все время упаковки и распаковки. (Другая половина вопроса заключается в том, что он также экономит память для этих 1000 блоков. И третья половина — поскольку NumPy достаточно крут, чтобы иметь более чем 100% совершенства — заключается в том, что он предлагает хорошие API для операций с элементами.) - person abarnert; 19.01.2014

arrow_upward
4
arrow_downward

Чтобы использовать импортированные библиотеки с timeit, вы должны импортировать их с помощью аргумента ключевого слова setup (документы):

import timeit

# Doesn't require setup kwarg as range doesn't need to be imported.
t = timeit.Timer("range(1000)")
print t.timeit()

# Requires the import of numpy (as np) through the setup kwarg.
u = timeit.Timer("np.arange(1000)", setup = 'import numpy as np')
print(u.timeit())

Аргумент ключевого слова setup позволяет настроить код, например, импортировать внешние библиотеки или импортировать функции из кода с помощью from __main__ import func.

person Ffisegydd    schedule 19.01.2014
comment
Нет, вам не нужно импортировать их с помощью аргумента ключевого слова setup. Если вы передаете вызываемый объект вместо компилируемого кода, вызываемый объект уже был скомпилирован в вашей обычной среде (включая любые операторы import) и работает нормально. - person abarnert; 19.01.2014