Question

我有一个我正在计算的脚本：

def sumsquared(arr):
    sum = 0
    idx = 0
    len = arr.__len__()
    while idx < (len - 1):
            sum = sum + (arr[idx] * arr[idx]) + (arr[idx+1] * arr[idx+1])
            idx = idx + 2

    return sum

上面的函数在循环中调用，该循环填充两个列表并调用此函数两次：第一次使用len~1024项目列表，第二次使用len~44100项目。根据输入，循环本身可以运行100到100000次。

对于小尺寸输入，基于cProfile的分析通知我：

ncalls  tottime  percall  cumtime  percall  filename:lineno(function)
---------------------------------------------------------------------
 2560   12.065   0.005    12.065    0.005    beat.py:8(sumsquared)

大约是脚本总运行时间的95％。有什么方法可以加快这项功能吗？

Answer 1

你的功能很奇怪。它所做的就是计算元素的平方和，除非如果有奇数个元素，它会抛弃最后一个元素。您出于某种原因一次添加两个，但这不会影响最终结果。

为了加快速度，您可以使用numpy而不是编写自己的函数。

>>> x = np.array([1, 2, 3, 4, 5])
>>> sumsquared(x)
30
>>> (x[:2*(len(x)//2)]**2).sum()
30

一般来说，如果你有数千个数字的列表，那么使用numpy数组可能会带来重大的性能提升。

Answer 2

这看起来像是itertools module：

的工作

def sumsquared(arr):
    s = sum(itertools.imap(operator.mul, arr, arr))
    return s - arr[-1] ** 2 if len(arr) & 1 else s

使用 sum ，运算符和 itertools 将消除几乎所有纯python开销。

此外，当输入为整数，浮点数或两者的某些混合时， sum 已经过优化，以接近C速度运行。它可以累积运行总计，而无需为每个中间小计创建纯python对象。

信用：罗伯特·金在必要时减去最终方格的想法。

另外注意，如果您对获得高准确度（即最小化精度损失）感兴趣，请考虑使用math.fsum代替 sum 。

Answer 3

这是我能找到的最快的

from itertools import imap
from operator import mul
def sumsquared(arr):
    return sum(imap(mul, arr, arr))

Answer 4

sum([i**2 for i in arr]) - (arr[-1]**2 if len(arr) % 2 else 0)

优化列表上的简单数学计算

4 个答案: