我們在幾乎所有的程式語言中都學習過循環。所以,預設情況下,只要有重複性的操作,我們就會開始實作循環。但是當我們處理大量的迭代(數百萬/數十億行)時,使用循環真是遭罪啊~,你可能會被卡住幾個小時,後來才意識到這是行不通的。這就是在Python中實現向量化變得超級關鍵的地方。
向量化是在資料集上實現(NumPy)數組操作的技術。在後台,它對數組或系列的所有元素一次進行操作(不像'for'循環那樣一次操作一行)。
在這篇部落格中,我們將看看一些用例,在這些用例中,我們可以輕鬆地用向量化來取代Python迴圈。這將幫助你節省時間,並在編碼方面變得更加熟練。
首先,我們來看看一個基本的例子,即在Python中使用循環和向量來尋找數字的總和。
import time start = time.time() # 遍历之和 total = 0 # 遍历150万个数字 for item in range(0, 1500000): total = total + item print('sum is:' + str(total)) end = time.time() print(end - start) #1124999250000 #0.14 Seconds
import numpy as np start = time.time() # 向量化和--使用numpy进行向量化 # np.range创建从0到1499999的数字序列 print(np.sum(np.arange(1500000))) end = time.time() print(end - start) ##1124999250000 ##0.008 Seconds
與使用範圍函數的迭代相比,向量化的執行時間約18倍。在使用Pandas DataFrame時,這種差異將變得更加明顯。
在資料科學中,當使用Pandas DataFrame時,開發者會使用迴圈來建立新的數學運算的衍生列。
在下面的例子中,我們可以看到,在這樣的用例中,循環可以很容易地被向量化所取代。
DataFrame是以行和列的形式存在的表格資料。
我們正在建立一個有500萬行和4列的pandas DataFrame,其中充滿了0到50之間的隨機值。
import numpy as np import pandas as pd df = pd.DataFrame(np.random.randint(0, 50, size=(5000000, 4)), columns=('a','b','c','d')) df.shape # (5000000, 5) df.head()
我們將建立一個新的列'ratio',以找到列'd'和'c'的比率。
import time start = time.time() # Iterating through DataFrame using iterrows for idx, row in df.iterrows(): # creating a new column df.at[idx,'ratio'] = 100 * (row["d"] / row["c"]) end = time.time() print(end - start) ### 109 Seconds
start = time.time() df["ratio"] = 100 * (df["d"] / df["c"]) end = time.time() print(end - start) ### 0.12 seconds
我們可以看到DataFrame有了明顯的改進,與python中的循環相比,向量化幾乎快了1000倍。
我們實作了許多需要我們使用 "if-else" 類型邏輯的運算。我們可以很容易地用python中的向量化操作來取代這些邏輯。
看一下下面的範例來更好地理解它(我們將使用在用例2中建立的DataFrame)。
想像一下,如何根據退出的列'a'的一些條件來建立一個新的列'e'。
import time start = time.time() # Iterating through DataFrame using iterrows for idx, row in df.iterrows(): if row.a == 0: df.at[idx,'e'] = row.d elif (row.a <= 25) & (row.a > 0): df.at[idx,'e'] = (row.b)-(row.c) else: df.at[idx,'e'] = row.b + row.c end = time.time() print(end - start) ### Time taken: 177 seconds
start = time.time() df['e'] = df['b'] + df['c'] df.loc[df['a'] <= 25, 'e'] = df['b'] -df['c'] df.loc[df['a']==0, 'e'] = df['d']end = time.time() print(end - start) ## 0.28007707595825195 sec
與帶有if-else語句的python迴圈相比,向量化操作比循環快600倍。
深度學習要求我們解決多個複雜的方程,而且是針對數百萬和數十億行的方程。在Python中運行循環來解決這些方程式是非常慢的,此時,向量化是最佳的解決方案。
例如,要計算以下多線性迴歸方程式中數百萬行的y值。
我們可以用向量化取代迴圈。
m1,m2,m3...的值是透過使用對應於x1,x2,x3...的數百萬個值來解決上述方程式而確定的(為了簡單起見,只看一個簡單的乘法步驟)
>>> import numpy as np >>> # 设置 m 的初始值 >>> m = np.random.rand(1,5) array([[0.49976103, 0.33991827, 0.60596021, 0.78518515, 0.5540753]]) >>> # 500万行的输入值 >>> x = np.random.rand(5000000,5)
import numpy as np m = np.random.rand(1,5) x = np.random.rand(5000000,5) total = 0 tic = time.process_time() for i in range(0,5000000): total = 0 for j in range(0,5): total = total + x[i][j]*m[0][j] zer[i] = total toc = time.process_time() print ("Computation time = " + str((toc - tic)) + "seconds") ####Computation time = 28.228 seconds####################################使用向量化###############
tic = time.process_time() #dot product np.dot(x,m.T) toc = time.process_time() print ("Computation time = " + str((toc - tic)) + "seconds") ####Computation time = 0.107 seconds######np.dot在後端實現了向量的矩陣乘法。與python中的循環相比,它的速度提高了165倍。 ######寫在最後######Python中的向量化是非常快速的,當在處理非常大的資料集時,建議你應該優先考慮向量化而不是迴圈。這樣,隨著時間的推移,你會逐漸習慣按照向量化的思路來寫程式碼。 ###
以上是再見! Python 循環,向量化已超神的詳細內容。更多資訊請關注PHP中文網其他相關文章!