web-dev-qa-db-fra.com

Factorielle numpy et scipy

Comment puis-je importer séparément les fonctions factorielles de numpy et scipy afin de voir laquelle est la plus rapide?

J'ai déjà importé factorial de python lui-même par import math. Toutefois, cela ne fonctionne pas pour numpy et scipy.

pythonnumpyscipy
38
MOON

Vous pouvez les importer comme ceci:

In [7]: import scipy, numpy, math                                                          

In [8]: scipy.math.factorial, numpy.math.factorial, math.factorial
Out[8]: 
(<function math.factorial>,                                                                
 <function math.factorial>,                                                                
 <function math.factorial>)

scipy.math.factorial et numpy.math.factorial semblent être simplement des alias/références pour/à math.factorial, C'est scipy.math.factorial is math.factorial et numpy.math.factorial is math.factorial devrait donner à la fois True.

49
Ashwini Chaudhary

La réponse pour Ashwini est excellente, en soulignant que scipy.math.factorial, numpy.math.factorial, math.factorial sont les mêmes fonctions. Cependant, je recommanderais d'utiliser celui que Janne a mentionné, que scipy.misc.factorial est différent. Celui de Scipy peut prendre np.ndarray comme une entrée, alors que les autres ne le peuvent pas.

In [12]: import scipy.misc

In [13]: temp = np.arange(10) # temp is an np.ndarray

In [14]: math.factorial(temp) # This won't work
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-14-039ec0734458> in <module>()
----> 1 math.factorial(temp)

TypeError: only length-1 arrays can be converted to Python scalars

In [15]: scipy.misc.factorial(temp) # This works!
Out[15]: 
array([  1.00000000e+00,   1.00000000e+00,   2.00000000e+00,
         6.00000000e+00,   2.40000000e+01,   1.20000000e+02,
         7.20000000e+02,   5.04000000e+03,   4.03200000e+04,
         3.62880000e+05])

Donc, si vous faites factorial à un np.ndarray, celui de scipy sera plus facile à coder et plus rapide que de faire les boucles for-loop.

38
Yuxiang Wang

SciPy a la fonction scipy.special.factorial (anciennement scipy.misc.factorial)

>>> import math
>>> import scipy.special
>>> math.factorial(6)
720
>>> scipy.special.factorial(6)
array(720.0)
20
Janne Karila
    from numpy import prod

    def factorial(n):
        print prod(range(1,n+1))

ou avec mul de l'opérateur:

    from operator import mul

    def factorial(n):
        print reduce(mul,range(1,n+1))

ou complètement sans aide:

    def factorial(n):
        print reduce((lambda x,y: x*y),range(1,n+1))
5
Stefan Gruenwald

Vous pouvez enregistrer certaines fonctions factorielles personnalisées sur un module distinct, utils.py, puis les importer et comparer les performances avec celles prédéfinies, en scipy, numpy et math en utilisant timeit. Dans ce cas, j'ai utilisé comme méthode externe la dernière proposition de Stefan Gruenwald:

import numpy as np


def factorial(n):
    return reduce((lambda x,y: x*y),range(1,n+1))

Code principal (j'ai utilisé un framework proposé par JoshAdel dans un autre article, cherchez comment puis-je-obtenir-un-tableau-de-valeurs-alternantes-en-python):

from timeit import Timer
from utils import factorial
import scipy

    n = 100

    # test the time for the factorial function obtained in different ways:

    if __== '__main__':

        setupstr="""
    import scipy, numpy, math
    from utils import factorial
    n = 100
    """

        method1="""
    factorial(n)
    """

        method2="""
    scipy.math.factorial(n)  # same algo as numpy.math.factorial, math.factorial
    """

        nl = 1000
        t1 = Timer(method1, setupstr).timeit(nl)
        t2 = Timer(method2, setupstr).timeit(nl)

        print 'method1', t1
        print 'method2', t2

        print factorial(n)
        print scipy.math.factorial(n)

Qui fournit:

method1 0.0195569992065
method2 0.00638914108276

93326215443944152681699238856266700490715968264381621468592963895217599993229915608941463976156518286253697920827223758251185210916864000000000000000000000000
93326215443944152681699238856266700490715968264381621468592963895217599993229915608941463976156518286253697920827223758251185210916864000000000000000000000000


Process finished with exit code 0
1
SeF

enter image description here

après avoir exécuté différentes fonctions susmentionnées pour factorielle, par différentes personnes, s'avère que math.factorial est le plus rapide pour calculer la factorielle.

trouver les temps d'exécution pour différentes fonctions dans l'image jointe

1
sudheer naidu