<>强如下所示:
# - * -编码:utf - 8 - *
# @Time: 2018/5/17 15:05
# @Author:筛选器
# @Site:
# @File: test.py
# @Software: PyCharm
导入的时间
进口numpy np
#数据=https://www.yisu.com/zixun/np.array ([
# (5.0,3.0,4.0,4.0,0.0),
# (3.0,1.0,2.0,3.0,3.0),
# (4.0,3.0,4.0,3.0,5.0),
# (3.0,3.0,1.0,5.0,4.0),
# (1.0,5.0,5.0,2.0,1.0)
#))
data=np.random。随机((1000,1000))
打印(data.shape)
start_time=time.time ()
# avg=[(np浮动。意味着(数据[i:]))我的范围(data.shape [0]))
#打印(avg)
start_time=time.time ()
avg=[]
因为我在范围(data.shape [0]):
和=0
问=0
rx的数据(我:):
如果rx> 0:
+=和rx
问+=1
如果问> 0:
avg.append(金额/问)
其他:
avg.append (0)
end_time=time.time ()
打印(op 1:“end_time - start_time)
start_time=time.time ()
avg=[]
isexist=(数据比;0)* 1
因为我在范围(data.shape [0]):
和=np。点(数据(我:),isexist [i:])
问=np。sum (isexist [i:])
如果问比;0：
avg.append(金额/问)
其他:
avg.append (0)
end_time=time.time ()
打印(op 2:“end_time - start_time)
#
#打印(avg)
因素=np.mat (np.ones (data.shape [1])) .T
#打印(“度因子:“)
#打印(因素)
存在=np。垫(数据比;0)* 1.0)
#打印(“存在:”)
#打印(存在)
#打印(“res:”)
res=np。数组(存在*因素)
end_time=time.time ()
打印(op 3: end_time-start_time)
start_time=time.time ()
存在=(数据比;0)* 1.0
因素=np.ones (data.shape [1])
res=np。点(存在,因素)
end_time=time.time ()
打印(op 4:“end_time - start_time)
之前
经过多次验证,第四种实现方式的事件效率最高!
以上这篇python判断矩阵中每行非零个数的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
