众所周知，Python有许多内置函数（例如min(),max(),sum()），Numpy也有自己的内置函数（np.min(),np.max(),np.sum()）。由于Numpy的函数是在编译码中执行操作的，所以Numpy的操作计算得更快一些
接下来比较Numpy内置函数sum与Python内置函数sum的性能比较
注意：当数据量较小时，结果会呈现出Python中的内置函数的执行速度快。
#sum函数的性能比较（数据量小时）
np.random.seed(0)
small_array=np.random.rand(10)
t1=%timeit sum(small_array)
print(t1)
%timeit np.sum(small_array)
结果：
6.04 µs ± 143 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
None
14 µs ± 89.1 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
1
2
3
4
5
6
7
8
9
10
由上可知，当数据量小时Python中的内置函数（sum（））的指向速度是优于Numpy中的内置函数（sum（））的执行速度的
#sum函数的性能比较（数据量大时）
np.random.seed(0)
great_array=np.random.rand(10000)
t1=%timeit sum(great_array)
print(t1)
%timeit np.sum(great_array)
结果：
2.23 ms ± 44.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
None
23.8 µs ± 259 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
1
2
3
4
5
6
7
8
9
10
11
这时，可看出其np.sum的速率是明显快于sum的
min(),max()这两个函数的情况与sum函数一样
————————————————
版权声明：本文为CSDN博主「爱数据的橙子」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/m0_45126409/article/details/103648479