一、问题描述

Python的向量运算可以使用Python运算逻辑实现，也可以用numpy包实现，这里通过编写相关代码进行演示，同时指出list列表的元素求和、合并的表达

二、向量相加的两种方法

这里设计两个向量相加的自定义函数，一个用python运行逻辑实现，一个使用numpy包实现

# 向量相加-Python
def pythonsum(n):
    a = list(range(n))
    b = list(range(n))
    c = []
    for i in range(len(a)):
        a[i] = i ** 2
        b[i] = i ** 3
        c.append(a[i] + b[i])
    return c

# 向量相加-NumPy
import numpy as np

def numpysum(n):
    a = np.arange(n) ** 2
    b = np.arange(n) ** 3
    c = list(a + b)
    return c

print("Python sum list is", pythonsum(10))
print("numpy sum list is", numpysum(10))

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22

运算结果是一样的

延伸，这里比较测试两种方法的向量运算速度

# 效率比较
import sys
from datetime import datetime

size = 100000

start = datetime.now()
c = pythonsum(size)
delta = datetime.now() - start
print("The last 2 elements of the sum", c[-2:])
print("PythonSum elapsed time in microseconds", delta.microseconds)

start = datetime.now()
c = numpysum(size)
delta = datetime.now() - start
print("The last 2 elements of the sum", c[-2:])
print("NumPySum elapsed time in microseconds", delta.microseconds)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17

运算结果，明显使用numpy包进行向量运算较快

三、示例中list求和及延伸

示例中使用到的list求和有在python普通运算中和numpy运算中的分别为
1.Python中a[i] + b[i]

a = [1, 2]
b = [3, 4]
c = []
for i in range(len(a)):
     c.append(a[i] + b[i])
print(c)

• 1
• 2
• 3
• 4
• 5
• 6

结果[4, 6]
2.numpy中list(a + b)

import numpy as np

a = np.array([1, 2])
b = np.array([3, 4])
c = list(a + b)
print(c)

• 1
• 2
• 3
• 4
• 5
• 6

结果[4, 6]
3.延伸
（1）合并，如果表达为a+b，则两个列表将合并

a = [1, 2]
b = [3, 4]
c = a + b
print(c)

• 1
• 2
• 3
• 4

结果为[1, 2, 3, 4]
（2）numpy的sum求和

import numpy as np

a = [1, 2]
b = [3, 4]
c = list(np.sum([a, b], axis = 0))
print(c)

• 1
• 2
• 3
• 4
• 5
• 6

结果[4, 6]，其中的axis参数表示纵向求和

以上为个人整理总结的知识，如有遗漏或错误欢迎留言指出、点评，如要引用，请联系通知，未经允许谢绝转载。