Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 셀레니움
- #비정형 데이터 #네이버 #지도 #크롤링
- 숫자빼고 중복되는 코드동작법
- 웹크롤링
- #위도#경도#비정형데이터#크롤링
- #크롤링 #웹문서
- 파이썬
- 구글 지오코드
- 카카오APi
- 코딩
- 파이썬 셀레니움
- 웹매크로 #세잔느
- #K-means #Clustering
- #비정형#카카오api#api#크롤링
- 위도경도
Archives
- Today
- Total
지방이의 Data Science Lab
[Python] 리스트 최솟값 찾기 w/속도 확인 본문
리스트의 사이즈가 작을 때는 리스트 sort해서 0값 찾는게 빠르다.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
#리스트 사이즈가 작을 때:
#(1) 리스트 사용
import timeit
def test():
a = [13, 21, 35, 84, 50, 63]
a.sort()
return a[0]
t = timeit.timeit('test()', setup='from __main__ import test', number = 1)
t = '{:.9f}'.format(t)
print(t)
# 0.000002300
#(2) np사용
import timeit
def test():
import numpy as np
a = [13, 21, 35, 84, 50, 63]
a = np.array(a)
return a.min()
t = timeit.timeit('test()', setup='from __main__ import test', number = 1)
t = '{:.9f}'.format(t)
print(t)
# 0.206195100
#--> (1)이 더 빠르다.
|
다만, 리스트 사이즈가 엄청나게 커질 경우 np가 훨씬 빠른 속도 차이를 보인다.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
#리스트 사이즈가 클 때:
#(1) 리스트 사용
import timeit
def test():
a = [random.randrange(1, 50, 1) for i in range(100000000)]
a.sort()
return a[0]
t = timeit.timeit('test()', setup='from __main__ import test', number = 1)
t = '{:.9f}'.format(t)
print(t)
#89.096424300
#(2) np사용
import timeit
import random
def test():
import numpy as np
a = [random.randrange(1, 50, 1) for i in range(100000000)]
a = np.array(a)
return a.min()
t = timeit.timeit('test()', setup='from __main__ import test', number = 1)
t = '{:.9f}'.format(t)
print(t)
# 84.215241800
#--> (2) 더 빠르다.
|
'Data Analysis > Codility' 카테고리의 다른 글
[Python] 리스트의 인덱스 찾는 법 w/속도 확인 (0) | 2021.02.18 |
---|---|
[Python] 리스트에서 같은 값을 빼는 법 (0) | 2021.02.17 |
[Python] 리스트 for _ in range(n)으로 매트릭스 만들기 (0) | 2021.02.15 |
[Python] 문자열을 숫자로 접근 (0) | 2021.02.15 |
[Python] 함수 lambda (0) | 2021.01.22 |
Comments