%timeit [i **2 for i in range(1000)]
print('*******')
%timeit np.arange(1000) ** 2
打印:
1000 loops, best of 3: 376 µs per loop
*******
The slowest run took 11.43 times longer than the fastest. This could
mean that an intermediate result is being cached.
100000 loops, best of 3: 2.76 µs per loop
我的直觉是numpy应该遍历整个数组一次并对每个元素进行平方。那么为什么timeit说numpy代码循环100000次。
答案 0 :(得分:1)
你的直觉是正确的。但是%timeit
在循环中执行你的命令N次,以获得良好的统计估计。
您可以使用n
选项指定循环次数,例如:
%timeit -n1 arange(1, 100, .001) # one loop
%timeit -n10 arange(1, 100, .001). # ten loops