博客
关于我
matlab vs python: 跑循环的速度对比
阅读量:159 次
发布时间:2019-02-28

本文共 2144 字,大约阅读时间需要 7 分钟。

测试1

matlab代码

N = 20:25;iters = 2.^N;time = zeros(1,length(N));a = 0.111;b = 0.222;for k = 1:length(N)    r = 0;    t1 = clock;        for i = 1:2^N(k)        r = 0.5*a + 0.6*b;    end    t2 = clock;    time(k) = etime(t2,t1);    endplot(iters, time)xlabel('iter')ylabel('time(/s)')

python代码

N = range(20,26)iters = [2**n for n in N]ts = []a, b = 0.111, 0.222for n in N:        t1 = time.time()    for i in range(2**n):        r = 0.5*a + 0.6*b    t2 = time.time()    ts.append(t2-t1)_, ax = plt.subplots()ax.plot(iters, ts)ax.set_xlabel('iter')ax.set_ylabel('time(/s)')

结果对比

将两者数据画到一起,方便对比。
结论:随着循环增多,两者消耗时间都线性增大。对于这个测试案例(两个乘法和一个加法)。python约比matlab慢60倍
在这里插入图片描述

测试2

matlab代码

N = 20:25;iters = 2.^N;time = zeros(1,length(N));a = 0.111;b = 0.222;M = [0.111,0.222;0.111,0.222];for k = 1:length(N)    r = 0;    t1 = clock;        for i = 1:2^N(k)        r = M(1,1)*a + M(1,2)*b;    end    t2 = clock;    time(k) = etime(t2,t1);    endfigure;plot(iters, time)xlabel('iter')ylabel('time(/s)')

python代码

N = range(20,26)iters = [2**n for n in N]ts = []M = np.array([[0.111, 0.222],[0.111, 0.222]])a, b = 0.111, 0.222for n in N:        t1 = time.time()    for i in range(2**n):        r = M[0,0]*a + M[0,1]*b    t2 = time.time()    ts.append(t2-t1)_, ax = plt.subplots()ax.plot(iters, ts)ax.set_xlabel('iter')ax.set_ylabel('time(/s)')

结果对比

将两者数据画到一起,方便对比。
结论:

  • 随着循环增多,两者消耗时间都线性增大。python约比matlab慢110倍
  • 将此测试结果与测试1对比, 可猜想:仅仅是在2*2矩阵中索引一个数,python也要比matlab很多倍,猜想慢110-60=50倍。再通过一个测试3来验证下猜想。
    在这里插入图片描述

测试3

matlab代码

N = 20:25;iters = 2.^N;time = zeros(1,length(N));a = 0.111;b = 0.222;M = [0.111,0.222;0.111,0.222];for k = 1:length(N)    r = 0;    t1 = clock;        for i = 1:2^N(k)        r = M(1,1);    end    t2 = clock;    time(k) = etime(t2,t1);    endfigure;plot(iters, time)xlabel('iter')ylabel('time(/s)')

python代码

N = range(20,26)iters = [2**n for n in N]ts = []M = np.array([[0.111, 0.222],[0.111, 0.222]])a, b = 0.111, 0.222for n in N:        t1 = time.time()    for i in range(2**n):        r = M[0,0]    t2 = time.time()    ts.append(t2-t1)_, ax = plt.subplots()ax.plot(iters, ts)ax.set_xlabel('iter')ax.set_ylabel('time(/s)')

结果对比

猜想正确,仅仅是2*2矩阵索引一个数,python也比matlab慢50倍。
在这里插入图片描述

转载地址:http://wthd.baihongyu.com/

你可能感兴趣的文章
MySQL FEDERATED 提示
查看>>
mysql generic安装_MySQL 5.6 Generic Binary安装与配置_MySQL
查看>>
Mysql group by
查看>>
MySQL I 有福啦,窗口函数大大提高了取数的效率!
查看>>
mysql id自动增长 初始值 Mysql重置auto_increment初始值
查看>>
MySQL in 太多过慢的 3 种解决方案
查看>>
MySQL InnoDB 三大文件日志,看完秒懂
查看>>
Mysql InnoDB 数据更新导致锁表
查看>>
Mysql Innodb 锁机制
查看>>
MySQL InnoDB中意向锁的作用及原理探
查看>>
MySQL InnoDB事务隔离级别与锁机制深入解析
查看>>
Mysql InnoDB存储引擎 —— 数据页
查看>>
Mysql InnoDB存储引擎中的checkpoint技术
查看>>
Mysql InnoDB存储引擎中缓冲池Buffer Pool、Redo Log、Bin Log、Undo Log、Channge Buffer
查看>>
MySQL InnoDB引擎的锁机制详解
查看>>
Mysql INNODB引擎行锁的3种算法 Record Lock Next-Key Lock Grap Lock
查看>>
mysql InnoDB数据存储引擎 的B+树索引原理
查看>>
mysql innodb通过使用mvcc来实现可重复读
查看>>
mysql insert update 同时执行_MySQL进阶三板斧(三)看清“触发器 (Trigger)”的真实面目...
查看>>
mysql interval显示条件值_MySQL INTERVAL关键字可以使用哪些不同的单位值?
查看>>