NUMPY041 题解：快速求和

题目

如何比 np.sum 更快地求小数组的和？

解题思路

使用 np.add.reduce() 比 np.sum() 在某些场景下更快。

代码

import numpy as np
Z = np.arange(10)
print(np.add.reduce(Z))

代码详解

1. np.arange(10) —— 创建 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
2. np.add.reduce(Z) —— 累加所有元素

原理

np.add.reduce() 等价于：

0 + 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 = 45

add.reduce vs sum

# np.sum 的实现
np.sum(Z) == Z.sum()

# np.add.reduce 的实现
np.add.reduce(Z) == 0 + 1 + 2 + ... + 9

性能对比

import numpy as np
import time

Z = np.arange(1000)

# 方法1
start = time.time()
for _ in range(10000):
    np.sum(Z)
print(f"sum: {time.time() - start:.4f}s")

# 方法2
start = time.time()
for _ in range(10000):
    np.add.reduce(Z)
print(f"add.reduce: {time.time() - start:.4f}s")

常用 reduce 操作

np.add.reduce(Z)   # 求和
np.multiply.reduce(Z)  # 累乘
np.logical_and.reduce(Z)  # 逻辑与

核心知识点

1. np.add.reduce() —— 累加
2. reduce 是函数式编程的概念
3. 对于大数组，差异不明显

NumPy041 题解

参考代码

import numpy as np
Z = np.array(list(map(int, input().split())))
print(np.bincount(Z).argmax())