Правя училищен проект и те ме попитаха за ефективността O(n) на някои методи на Numpy и не мога да ги намеря. Може ли някой да ми каже къде мога да ги намеря?
Примерни методи като:
numpy.linspace(x,y,z)
numpy.meshgrid(x,y)
numpy.zeroes(x,y)
Правя училищен проект и те ме попитаха за ефективността O(n) на някои методи на Numpy и не мога да ги намеря. Може ли някой да ми каже къде мога да ги намеря?
Примерни методи като:
numpy.linspace(x,y,z)
numpy.meshgrid(x,y)
numpy.zeroes(x,y)
Можете просто да измерите времето за изпълнение за различни размери на проблема, за да получите оценка на сложността на времето,
numpy.zeros(n)
: недетерминиранnumpy.meshgrid(x,y)
: O(n**2)
numpy.linspace(0, 1, n)
: O(n**1.6)
Например, по-долу е код за измерване на времевата сложност за numpy.meshgrid(x,y)
, който може да се използва и за други numpy функции,
In [1]: import numpy as np
...: from time import time
...: import matplotlib.pyplot as plt
...: from scipy.optimize import curve_fit
...: %matplotlib inline
...:
...: def complexity_model(x, n, A, C):
...: return A*x**n + C
...:
...: problem_size = np.logspace(2, 4, 10)
...:
...: res = []
...: for N in problem_size:
...: x = np.linspace(0, 1, N)
...: y = x.copy()
...:
...: t0 = time()
...: np.meshgrid(x,y)
...: dt = time() - t0
...: res.append(dt)
...:
...: nn = np.logspace(np.log10(problem_size.min()), np.log10(problem_size.max()), 100)
...:
...: time_to_solution = np.asarray(res)
...: fig, ax = plt.subplots(1,1)
...: ax.loglog(problem_size, time_to_solution, 'o-b')
...:
...: mask = problem_size > 100 # ignore initial points
...:
...: popt, _ = curve_fit(complexity_model, problem_size[mask],
...: time_to_solution[mask],
...: p0=(1.0, 1.0, 0.0) )
...: print(popt)
...: ax.loglog(nn, complexity_model(nn, *popt), '--k')
...:
...:
...: ax.set_xlabel('Problem size: N')
...: ax.set_ylabel('Time to solution
[ 1.94816942e+00 1.40955397e-08 -7.33862899e-04]
което дава следната крива,
За достатъчно големи размери на масива, numpy.meshgrid(x,y)
има времева сложност O(n**α)
, с α = 1.95 ≈ 2
.
numpy.zeros(n)
: O(1)
изглежда подозрително. Това би означавало, че по някакъв начин можете да направите по-добре от това да запълвате всяка клетка от паметта с 0
. Сигурни ли сте, че това е възможно?
- person cel; 25.05.2015
%timeit -n 1 np.zeros(100000)
дава нещо между 30
и 160 µs
на моя лаптоп. Актуализирах отговора, за да отразя това.
- person rth; 25.05.2015
np.ones(n)
трябва да разпредели памет за n плаващи числа и след това да запише 1 във всяка от клетките на паметта. Общо трябва да напише n единици, така че вие сте вO(n)
. - person cel   schedule 24.05.2015