优化列表上的简单数学计算

Question

我有一个正在计算的脚本：

def sumsquared(arr):
    sum = 0
    idx = 0
    len = arr.__len__()
    while idx < (len - 1):
            sum = sum + (arr[idx] * arr[idx]) + (arr[idx+1] * arr[idx+1])
            idx = idx + 2

    return sum

在循环中调用上述函数，该循环填充两个列表，并两次调用此函数：第一次使用len〜1024项列表，第二次使用len〜44100项列表。 根据输入的不同，循环本身可以运行100到100000次。

对于小型输入，基于cProfile的配置文件通知我：

ncalls  tottime  percall  cumtime  percall  filename:lineno(function)
---------------------------------------------------------------------
 2560   12.065   0.005    12.065    0.005    beat.py:8(sumsquared)

这大约是脚本总运行时间的95％。 有什么办法可以加快功能的运行速度吗？

Answer 1

您的功能很奇怪。 它所做的只是计算元素的平方和，不同之处在于，如果存在奇数个元素，它将丢弃最后一个元素。 您出于某种原因一次添加两个，但这并不影响最终结果。

为了使其更快，您可以使用numpy代替编写自己的函数。

>>> x = np.array([1, 2, 3, 4, 5])
>>> sumsquared(x)
30
>>> (x[:2*(len(x)//2)]**2).sum()
30

通常，如果您有成千上万个数字的列表，那么使用numpy数组可能会带来很大的性能提升。

Answer 2

这看起来像是itertools模块的工作 ：

def sumsquared(arr):
    s = sum(itertools.imap(operator.mul, arr, arr))
    return s - arr[-1] ** 2 if len(arr) & 1 else s

使用sum ， operator和itertools将消除几乎所有纯python开销。

此外，当输入为整数，浮点数或两者的某种混合时， sum的运行速度已优化为接近C的速度。 它能够累积运行总计，而无需为每个中间小计创建纯python对象。

信用：罗伯特·金（Robert King）提出在必要时减去最后平方的想法。

另外请注意，如果您有兴趣获得高精度（即最小化精度损失），请考虑使用math.fsum而不是sum 。

Answer 3

这是我能找到的最快的

from itertools import imap
from operator import mul
def sumsquared(arr):
    return sum(imap(mul, arr, arr))

Answer 4

sum([i**2 for i in arr]) - (arr[-1]**2 if len(arr) % 2 else 0)