Question

这个Python代码的执行速度是否比第二个版本慢2.5倍？

backTrack = np.zeros((len(v)+1, len(w)+1), dtype = int)
s = np.zeros((len(v)+1, len(w)+1), dtype = int)

# Fill in the 's' matrix.
for i in range(1, len(v)+1):
    for j in range(1, len(w)+1):
        scores = [s[i-1, j] - sigma, s[i, j-1] - sigma, s[i-1, j-1] + [-1, 1][v[i-1] == w[j-1]]]
        s[i, j] = max(scores)
        backTrack[i, j] = scores.index(s[i, j])

第二位：

S = [[0 for j in range(len(w)+1)] for i in range(len(v)+1)]
backtrack = [[0 for j in range(len(w)+1)] for i in range(len(v)+1)]
# Fill in the Score and Backtrack matrices.
iterations = 0
for i in range(1, len(v)+1):
    for j in range(1, len(w)+1):
        scores = [S[i-1][j] - sigma, S[i][j-1] - sigma, S[i-1][j-1] + [-1, 1][v[i-1] == w[j-1]]]
        S[i][j] = max(scores)
        backtrack[i][j] = scores.index(S[i][j])

唯一的区别是，在第一个版本中，数组是通过numpy声明的，而在第二个版本中，它们只是Python的列表列表。

对于那些感兴趣的人来说，这是一个字符串对齐位代码。此外，len（v）和len（w）只有不到10,000，所以循环大约有8500万次。

我尝试过使用numpy数组的不同数据类型（例如int32，int64，float），但无济于事。

Python代码未按预期执行

0 个答案: