Tag: performance

在numpy数组上映射函数的最有效的方法: 在numpy数组上映射函数的最有效方法是什么？我在当前项目中一直这样做的方式如下： import numpy as np x = np.array([1, 2, 3, 4, 5]) # Obtain array of square of each element in x squarer = lambda t: t ** 2 squares = np.array([squarer(xi) for xi in x]) 然而，这看起来可能是非常低效的，因为我使用列表parsing来构造新的数组作为Python列表，然后再将其转换回numpy数组。我们可以做得更好吗？

Angular JS Scaling＆Performance: 我们正在用我们正在为银行build立的一个Angular应用程序来解决性能问题。不幸的是，显示代码片段是违反合同的。无论如何，我可以描述一些正在进行的主要问题，我希望可以推荐最佳做法。应用结构：本质上，一个巨大的多表格页面。每种forms都是自己的部分，嵌套的控制器和局部约3层深。在json对象的集合上重复相同的forms。每个表单都绑定到重复的对象/模型。我们应该支持页面上1-200个表单的任何地方。如果你看看时间表。我们花费了大量的时间在jQueryparsinghtml方法，jQuery重新计算stye方法，GC事件（垃圾收集）。我想尽量减less这些应该加快一点点。它们都是Angular生命周期的一部分，但是可能有更好的方法来避免它们。这里是剖析器的一些截图：最终，应用程序是缓慢的，因为重复forms的数量超过了5个。每个forms与其他forms是相对无关的。我们已经尽量不要在表单之间观看任何共享属性。

在C＃中，++ i和i ++之间有任何性能差异吗？: 使用类似的东西有没有任何性能差异 for(int i = 0; i < 10; i++) { … } 和 for(int i = 0; i < 10; ++i) { … } 或者编译器是否能够在function上等同的情况下以同样快的速度进行优化？编辑：这是因为我和同事讨论过这个问题，而不是因为我认为它在任何实际意义上都是有用的优化。这主要是学术。

如何在R中更有效地将列表转换为matrix？: 我有一个长度为130,000的列表，其中每个元素是长度为110的字符向量。我想将此列表转换为维度为1,430,000 * 10的matrix。我怎样才能更有效地做到这一点？我的代码是： output=NULL for(i in 1:length(z)) output=rbind(output,matrix(z[[i]],ncol=10,byrow=T))

为什么添加本地variables会使.NET代码变慢: 为什么要评论这个for循环的前两行，并取消第二个42％加速的结果呢？ int count = 0; for (uint i = 0; i < 1000000000; ++i) { var isMultipleOf16 = i % 16 == 0; count += isMultipleOf16 ? 1 : 0; //count += i % 16 == 0 ? 1 : 0; } 时序的背后是非常不同的汇编代码：循环中的13个指令和7个指令。该平台是运行.NET 4.0 x64的Windows 7。代码优化已启用，testing应用程序在VS2010之外运行。 [ 更新： Repro项目，用于validation项目设置。] 消除中间布尔值是一个基本的优化，是我1980年代龙书中最简单的一种。在生成CIL或JITing x64机器码时，优化是如何不被应用的？ […]

NumPy的math函数比Python更快吗？: 我有一个由基本的math函数（abs，cosh，sinh，exp，…）组合定义的函数。我想知道是否使用（例如， numpy.abs()而不是abs()什么numpy.abs() ？

最快的方法来检查一个string是否匹配正则expression式或不在ruby？: 检查一个string是否与Ruby中的正则expression式匹配的最快方法是什么？我的问题是，我必须通过一个巨大的string列表来“egrep”来查找哪些匹配在运行时给出的正则expression式。我只关心string是否匹配正则expression式，而不是匹配的地方，匹配组的内容是什么。我希望这个假设可以用来减less我的代码花费在匹配正则expression式上的时间。我加载正则expression式 pattern = Regexp.new(ptx).freeze 我发现string =~ pattern比string.match(pattern)稍快。还有其他的技巧或捷径可以用来使这个testing更快吗？

在Python列表中交换元素的最快方法: 有什么更快的方法来交换Python中的两个列表元素 L[a], L[b] = L[b], L[a] 或者我会不得不求助于Cython或编织或类似的？

最快的方法来生长一个numpy数组数组: 要求：我需要从数据中随意增长一个数组。我可以猜测大小（大约100-200），不保证数组每次都适合一旦它增长到最终的大小，我需要对它进行数值计算，所以我宁愿最终得到一个二维numpy数组。速度至关重要。例如，对于300个文件中的一个，update（）方法被称为4500万次（大约需要150s），finalize（）方法被称为500k次（总共需要106s）…总共250s或者。这是我的代码： def __init__(self): self.data = [] def update(self, row): self.data.append(row) def finalize(self): dx = np.array(self.data) 其他的东西，我尝试包括以下代码…但这是waaaaay慢。 def class A: def __init__(self): self.data = np.array([]) def update(self, row): np.append(self.data, row) def finalize(self): dx = np.reshape(self.data, size=(self.data.shape[0]/5, 5)) 这里是一个如何调用的示意图： for i in range(500000): ax = A() for j in range(200): ax.update([1,2,3,4,5]) […]