Факториал в numpy и scipy

Ответ 1

Вы можете импортировать их следующим образом:

In [7]: import scipy, numpy, math                                                          

In [8]: scipy.math.factorial, numpy.math.factorial, math.factorial
Out[8]: 
(<function math.factorial>,                                                                
 <function math.factorial>,                                                                
 <function math.factorial>)

scipy.math.factorial и numpy.math.factorial кажутся просто псевдонимами/ссылками для /to math.factorial, то есть scipy.math.factorial is math.factorial и numpy.math.factorial is math.factorial должны давать True.

Ответ 2

Ответ для Ашвини велик, указывая, что scipy.math.factorial, numpy.math.factorial, math.factorial - одни и те же функции. Однако я бы рекомендовал использовать тот, о котором говорила Жанна, что scipy.misc.factorial отличается. Один из scipy может принимать np.ndarray как вход, а другие не могут.

In [12]: import scipy.misc

In [13]: temp = np.arange(10) # temp is an np.ndarray

In [14]: math.factorial(temp) # This won't work
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-14-039ec0734458> in <module>()
----> 1 math.factorial(temp)

TypeError: only length-1 arrays can be converted to Python scalars

In [15]: scipy.misc.factorial(temp) # This works!
Out[15]: 
array([  1.00000000e+00,   1.00000000e+00,   2.00000000e+00,
         6.00000000e+00,   2.40000000e+01,   1.20000000e+02,
         7.20000000e+02,   5.04000000e+03,   4.03200000e+04,
         3.62880000e+05])

Итак, если вы делаете факториал в np.ndarray, то из scipy будет легче кодировать и быстрее, чем делать for-loops.

Ответ 3

SciPy имеет функцию scipy.special.factorial (ранее scipy.misc.factorial)

>>> import math
>>> import scipy.special
>>> math.factorial(6)
720
>>> scipy.special.factorial(6)
array(720.0)

Ответ 4

    from numpy import prod

    def factorial(n):
        print prod(range(1,n+1))

или с mul от оператора:

    from operator import mul

    def factorial(n):
        print reduce(mul,range(1,n+1))

или полностью без помощи:

    def factorial(n):
        print reduce((lambda x,y: x*y),range(1,n+1))

Ответ 5

Вы можете сохранить некоторые самодельные факториальные функции на отдельном модуле utils.py, а затем импортировать их и сравнить производительность с предопределенным, в scipy, numpy и math с использованием timeit. В этом случае я использовал в качестве внешнего метода последний предложенный Стефаном Грюнвальдом:

import numpy as np


def factorial(n):
    return reduce((lambda x,y: x*y),range(1,n+1))

Основной код (я использовал фреймворк, предложенный JoshAdel в другом сообщении, ищите как-can-i-get-an-array-of-alternating-values-in-python):

from timeit import Timer
from utils import factorial
import scipy

    n = 100

    # test the time for the factorial function obtained in different ways:

    if __name__ == '__main__':

        setupstr="""
    import scipy, numpy, math
    from utils import factorial
    n = 100
    """

        method1="""
    factorial(n)
    """

        method2="""
    scipy.math.factorial(n)  # same algo as numpy.math.factorial, math.factorial
    """

        nl = 1000
        t1 = Timer(method1, setupstr).timeit(nl)
        t2 = Timer(method2, setupstr).timeit(nl)

        print 'method1', t1
        print 'method2', t2

        print factorial(n)
        print scipy.math.factorial(n)

Что обеспечивает:

method1 0.0195569992065
method2 0.00638914108276

93326215443944152681699238856266700490715968264381621468592963895217599993229915608941463976156518286253697920827223758251185210916864000000000000000000000000
93326215443944152681699238856266700490715968264381621468592963895217599993229915608941463976156518286253697920827223758251185210916864000000000000000000000000


Process finished with exit code 0

Ответ 6

после запуска различных вышеупомянутых функций для факториала, разными людьми, оказывается, что математический факториал является самым быстрым для вычисления факториала.

найти время выполнения для различных функций в прикрепленном изображении