Алгоритм определения значения минимального элемента в матрице

@Vika222 · Регистрация: 01.04.2019

Студворк — интернет-сервис помощи студентам

Написать программу, реализующую алгоритм определения значения минимального элемента в матрице с использованием list, замерить время выполнения и сравнить с готовой реализацией алгоритма из библиотеки NumPy.

@udeep · 20.12.2019, 10:26

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
from numpy import amin, random
from timeit import default_timer as timer
 
 
def run_time(function, a):
    t = timer()
    r = function(a)
    time = timer() - t
    print(f"{function.__name__}, result: {r}, time: {time:.10f} seconds")
 
def bmin(a):
    return min([min(row) for row in a])
 
 
n = 1000
a = [[random.randint(-n, n) for _ in range(n)] for _ in range(n)]
 
run_time(amin, a)
run_time(bmin, a)

PS. Интересный результат...
amin, result: -1000, time: 0.0890608830 seconds
bmin, result: -1000, time: 0.0331347970 seconds

Рыжий Лис · 20.12.2019, 11:15

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
import random
import numpy as np
 
 
def bmin(a):
    return min([min(row) for row in a])
 
 
n = 1000
a = [[random.randint(-n, n) for _ in range(n)] for _ in range(n)]
 
import timeit
print(timeit.timeit('np.amin(a)', 
  setup='import numpy as np; from __main__ import a', number=10))
print(timeit.timeit('np.amin(a)', 
  setup='import numpy as np; from __main__ import a; a = np.array(a)', number=10))
print(timeit.timeit('bmin(a)', 
  setup='from __main__ import bmin, a', number=10))
 
#0.9073198139667511
#0.007684736978262663
#0.24830129405017942

np.array естественно выигрывает в скорости.

Добавлено через 22 минуты
Похожая тема: Почему стандартный list быстрее массива Numpy?

@udeep · 20.12.2019, 11:17

Рыжий Лис,
Спасибо. - Исправил, хотя условие об этом умалчивает...

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
from numpy import amin, array, random
from timeit import default_timer as timer
 
 
def run_time(function, a):
    t = timer()
    r = function(a)
    time = timer() - t
    print(f"{function.__name__}, result: {r}, time: {time:.10f} seconds")
 
def bmin(a):
    return min([min(row) for row in a])
 
 
n = 1000
a = [[random.randint(-n, n) for _ in range(n)] for _ in range(n)]
 
run_time(amin, array(a))
run_time(bmin, a)

amin, result: -1000, time: 0.0014144650 seconds
bmin, result: -1000, time: 0.0215855130 seconds

Рыжий Лис · 20.12.2019, 11:24

Запускай хотя бы три раза каждую функцию, чтобы усреднить разброс замеров времени.

@udeep · 20.12.2019, 11:40

Рыжий Лис,
В данное случае, что запустить 10 раз, что добавить 0 к "n = 1000" - не вижу принципиальной разницы.

Рыжий Лис · 20.12.2019, 11:48

Разница есть. Даже две:

1) размерность матрицы записана как $https://www.cyberforum.ru/cgi-bin/latex.cgi?n^2$ . При увеличении n в десять раз, размер её увеличится в 100 раз!

2) время работы функции фактически случайное число. Повторное проведение измерений позволяет усреднить значение и статистически вычислить погрешность измерений.

@udeep · 20.12.2019, 12:00

Рыжий Лис,
1. Речь идет о принципиальной разнице, лишний 0 - всего лишь примера, как увеличить время выполнения.
2. "Время работы функции фактически случайное число" только потому, что ей мешают другие процессы. И, IMHO, что вы запускаете функцию N раз на малых наборах данных, что соответственно увеличиваете набор данных - погрешность измерений будет практически одинаковой.

Рыжий Лис · 20.12.2019, 12:21

2) одиночный замер - это всё равно случайное число. Хотя согласен, что увеличение входных данных - а следовательно и времени выполнения повышает воспроизводимость результатов (слева n=300, справа n=1000. 10 замеров для каждого):

Алгоритм определения значения минимального элемента в матрице

@udeep · 20.12.2019, 13:58

Рыжий Лис,
Потестировал оба варианта...

На Win10 можно получить такой результат:
стандартное отклонение времени bmin на больших данных: [1000 * 1000]
0.0001106629
стандартное отклонение времени аmin на больших данных: [1000 * 1000]
0.0000187313
стандартное отклонение времени bmin на малых данных: [100 * 100] * 100 раз
0.0006204650
стандартное отклонение времени аmin на малых данных: [100 * 100] * 100 раз
0.0000317176

А можно и такой:
стандартное отклонение времени bmin на больших данных: [1000 * 1000]
0.0010734151
стандартное отклонение времени аmin на больших данных: [1000 * 1000]
0.0000847839
стандартное отклонение времени bmin на малых данных: [100 * 100] * 100 раз
0.0004003994
стандартное отклонение времени аmin на малых данных: [100 * 100] * 100 раз
0.0001038409

Т.о. для точных измерений либо должна быть "другая" ОС, либо измерения должны проводиться часами...

Кликните здесь для просмотра всего текста

Python
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
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
from numpy import amin, array, mean, random
from statistics import stdev
from timeit import default_timer as timer
 
 
def run_time(function, a):
    t = timer()
    r = function(a)
    time = timer() - t
    return(time)
 
def bmin(a):
    return min([min(row) for row in a])
 
 
k = 100
 
# big data
x = [0] * k
y = [0] * k
n = 1000
a = [[random.randint(-n, n) for _ in range(n)] for _ in range(n)]
m = array(a)
 
for z in range(k):
    x[z] = run_time(bmin, a)
    y[z] = run_time(amin, m)
    
print('стандартное отклонение времени bmin на больших данных: [1000 * 1000]')
print(f'{stdev(x):.10f}')
print('стандартное отклонение времени аmin на больших данных: [1000 * 1000]')
print(f'{stdev(y):.10f}')
 
# small data
x = [0] * k
y = [0] * k
n = 100
a = [[random.randint(-n, n) for _ in range(n)] for _ in range(n)]
m = array(a)
 
for z in range(k):
    i = j = 0
    for _ in range(99):
        i += run_time(bmin, a)
        j += run_time(amin, m)
    x[z] = i
    y[z] = j
    
print('стандартное отклонение времени bmin на малых данных: [100 * 100] * 100 раз')
print(f'{stdev(x):.10f}')
print('стандартное отклонение времени аmin на малых данных: [100 * 100] * 100 раз')
print(f'{stdev(y):.10f}')

Новые блоги и статьи Все статьи Все блоги /
Отчёт о затраченных материалах за определенный период с макетом печатной формы Maks 21.04.2026 Отчёт из решения ниже размещён в конфигурации КА2. Задача: показать затраченные материалы за определённый период, с возможностью вывода печатной формы отчёта с шапкой и подвалом. В качестве. . .	Отчёт о спецтехнике находящейся в ремонте Maks 20.04.2026 Отчёт из решения ниже размещен в конфигурации КА2. Задача: отобразить спецтехнику, которая на данный момент находится в ремонте. Есть нетиповой документ "Заявка на ремонт спецтехники" который. . .	Памятка для бота и "визитка" для читателей "Semantic Universe Layer (Слой семантической вселенной)" Hrethgir 19.04.2026 Сгенерировано для краткого описания по случаю сборки и компиляции скелета серверного приложения. И пусть после этого скажут, что статьи сгенерированные AI - туфта и не интересно. И это не реклама -. . .	Запрет удаления строк ТЧ документа при определённом условии Maks 19.04.2026 Алгоритм из решения ниже реализован на примере нетипового документа "Аккумуляторы", разработанного в конфигурации КА2. У данного документа есть ТЧ, в которой в зависимости от прав доступа. . .
Модель заражения группы наркоманов alhaos 17.04.2026 Условия задачи сформулированы тут Суть: - Группа наркоманов из 10 человек. - Только один инфицирован ВИЧ. - Колются одной иглой. - Колются раз в день. - Колются последовательно через. . .	Мысли в слух. Про "навсегда". kumehtar 16.04.2026 Подумалось тут, что наверное очень глупо использовать во всяких своих установках понятие "навсегда". Это очень сильное понятие, и я только начинаю понимать край его смысла, не смотря на то что давно. . .	My Business CRM MaGz GoLd 16.04.2026 Всем привет, недавно возникла потребность создать CRM, для личных нужд. Собственно программа предоставляет из себя базу данных клиентов, в которой можно фиксировать звонки, стадии сделки, а также. . .	Знаешь почему 90% людей редко бывают счастливыми? kumehtar 14.04.2026 Потому что они ждут. Ждут выходных, ждут отпуска, ждут удачного момента. . . а удачный момент так и не приходит.

@Vika222 0 / 0 / 0 Регистрация: 01.04.2019 Сообщений: 5

	Алгоритм определения значения минимального элемента в матрице 19.12.2019, 19:36. Показов 1175. Ответов 9 Метки python (Все метки) Написать программу, реализующую алгоритм определения значения минимального элемента в матрице с использованием list, замерить время выполнения и сравнить с готовой реализацией алгоритма из библиотеки NumPy. 0

Рыжий Лис Просто Лис 5973 / 3735 / 1099 Регистрация: 17.05.2012 Сообщений: 10,791 Записей в блоге: 9
	20.12.2019, 11:24
	Запускай хотя бы три раза каждую функцию, чтобы усреднить разброс замеров времени. 0

@udeep 55 / 40 / 18 Регистрация: 16.12.2019 Сообщений: 149
	20.12.2019, 11:40
	Рыжий Лис, В данное случае, что запустить 10 раз, что добавить 0 к "n = 1000" - не вижу принципиальной разницы. 0

Рыжий Лис Просто Лис 5973 / 3735 / 1099 Регистрация: 17.05.2012 Сообщений: 10,791 Записей в блоге: 9
	20.12.2019, 11:48
	Разница есть. Даже две: 1) размерность матрицы записана как $https://www.cyberforum.ru/cgi-bin/latex.cgi?n^2$ . При увеличении n в десять раз, размер её увеличится в 100 раз! 2) время работы функции фактически случайное число. Повторное проведение измерений позволяет усреднить значение и статистически вычислить погрешность измерений. 0

@udeep 55 / 40 / 18 Регистрация: 16.12.2019 Сообщений: 149
	20.12.2019, 12:00
	Рыжий Лис, 1. Речь идет о принципиальной разнице, лишний 0 - всего лишь примера, как увеличить время выполнения. 2. "Время работы функции фактически случайное число" только потому, что ей мешают другие процессы. И, IMHO, что вы запускаете функцию N раз на малых наборах данных, что соответственно увеличиваете набор данных - погрешность измерений будет практически одинаковой. 0

Рыжий Лис Просто Лис 5973 / 3735 / 1099 Регистрация: 17.05.2012 Сообщений: 10,791 Записей в блоге: 9
	20.12.2019, 12:21
	2) одиночный замер - это всё равно случайное число. Хотя согласен, что увеличение входных данных - а следовательно и времени выполнения повышает воспроизводимость результатов (слева n=300, справа n=1000. 10 замеров для каждого): 0

Опции темы