Question

我正在处理大量数据，例如150！举例来说，计算结果不是问题 f = factorial(150)是 57133839564458545904789328652610540031895535786011264182548375833179829124845398393126574488675311145377107878746854204162666250198684504466355949195922066574942592095735778929325357290444962472405416790722118445437122269675520000000000000000000000000000000000000。

但是我还需要在完整的presison中存储一个包含N个大数字的数组。 python列表可以存储它，但速度很慢。 numpy数组很快，但无法处理完整的精度，这是我稍后执行的某些操作所必需的，而且正如我测试的那样，科学记数法（浮点数）中的数字不能产生准确的结果。

编辑：

150！只是一个庞大数字的例子，这并不意味着我只使用阶乘。此外，完整的数字集（并非总是因子的结果）随时间而变化，我需要对函数进行实现和重新评估，因为这些数字是参数，是的，需要全精度。

Answer 1

numpy数组在内部使用可以由处理器直接操作的简单数据类型时非常快。由于没有可以存储大量数字的简单本机数据类型，因此它们将转换为浮点数。可以告诉numpy使用Python对象，但它会慢一些。

我的电脑上有一些时间。首先是设置。

a是包含前50个阶乘的Python列表。 b是一个numpy数组，所有值都转换为float64。 c是一个存储Python对象的numpy数组。

import numpy as np
import math
a=[math.factorial(n) for n in range(50)]
b=np.array(a, dtype=np.float64)
c=np.array(a, dtype=np.object)

a[30]
265252859812191058636308480000000L

b[30]
2.6525285981219107e+32

c[30]
265252859812191058636308480000000L

现在测量索引。

%timeit a[30]
10000000 loops, best of 3: 34.9 ns per loop

%timeit b[30]
1000000 loops, best of 3: 111 ns per loop

%timeit c[30]
10000000 loops, best of 3: 51.4 ns per loop

索引到Python列表的速度最快，然后从numpy数组中提取Python对象，而最慢的是从优化的numpy数组中提取64位浮点数。

现在让我们测量每个元素乘以2。

%timeit [n*2 for n in a]
100000 loops, best of 3: 4.73 µs per loop

%timeit b*2
100000 loops, best of 3: 2.76 µs per loop

%timeit c*2
100000 loops, best of 3: 7.24 µs per loop

由于b*2可以利用numpy优化的阵列，因此速度最快。 Python列表位居第二。使用Python对象的numpy数组是最慢的。

至少在我运行的测试中，索引到Python列表似乎并不慢。什么对你来说很慢？

Answer 2

如果您将来需要一个阶乘的确切数量，为什么不在数组中保存而不是结果，而是您想要的数字＆＃39; factorialize＆＃39;？

E.G。

您有f = factorial(150)

您的结果为57133839564458545904789328652610540031895535786011264182548375833179829124845398393126574488675311145377107878746854204162666250198684504466355949195922066574942592095735778929325357290444962472405416790722118445437122269675520000000000000000000000000000000000000

但你可以简单地说：

def values():

    to_factorial_list = []
        ...
        to_factorial_list.append(values_you_want_to_factorialize)
    return to_factorial_list

def setToFactorial(number):
    return factorial(number)

print setToFactorial(values()[302])

编辑：

公平，那么我的建议是使用我建议的逻辑作为getsizeof(number)你可以合并或使用两个数组，一个数组来保存低阶乘数，另一个来保存大数，例如当getsizeof(number)超过任何尺寸时。

Answer 3

将其存储为主要因素及其权力的元组。因子（因为，比如N）的因子分解将包含小于N的所有素数。因此，每个元组中的第k个位置将是第k个素数。而且您想要保留一份您已找到的所有素数的单独列表。您可以使用此表示法轻松存储高达几十万的阶乘。如果你真的需要数字，你可以很容易地从中恢复它们（只需忽略5的幂，并在乘以因子得到阶乘时从2的幂减去5的幂...导致5 * 2 = 10 ）。

如何在python中存储真正庞大数字的数组？

3 个答案: