読者です 読者をやめる 読者になる 読者になる

Pythonデータサイエンスクックブック

(2順目)
3章は興味がないのでパス

レシピ4.1 終了

レシピ4.2

3項でやっていることは50行1万列に-1,+1の行列を作ってそれをnp.cumsum関数で
累積和行列(50×10000の行列になる)にしてhistogram関数に渡して頻度表を作っている
最終的にprun0ファイルにプロファイルが出力される

     3264 function calls in 0.048 seconds  

 Ordered by: cumulative time  
 List reduced from 40 to 10 due to restriction <10>  

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)  
        1    0.000    0.000    0.048    0.048 {built-in method builtins.exec}  
        1    0.001    0.001    0.048    0.048 <string>:4(<module>)  
        2    0.008    0.004    0.033    0.017 <ipython-input-4-7b2aa0313928>:1(step)  
        2    0.025    0.012    0.025    0.012 {method 'random_sample' of 'mtrand.RandomState' objects}  
        1    0.000    0.000    0.012    0.012 <string>:9(<listcomp>)  
       50    0.001    0.000    0.012    0.000 function_base.py:78(histogram)  
       50    0.000    0.000    0.009    0.000 fromnumeric.py:712(sort)  
       50    0.009    0.000    0.009    0.000 {method 'sort' of 'numpy.ndarray' objects}  
        1    0.000    0.000    0.002    0.002 fromnumeric.py:2038(cumsum)  
        1    0.002    0.002    0.002    0.002 {method 'cumsum' of 'numpy.ndarray' objects}  

ncallsは何回呼び出されたか tottimeはトータル実行時間 percall1回あたりの実行時間 tottime/ncalls cumtime 累積時間 percall cumtime / ncalls filename,kinenoなども出力される

histogram関数が出力する頻度表をグラフに出してみる。
h = [np.histogram(x[i,:], bins) for i in range(iterations)]
plt.plot(h[0][0])

f:id:bitop:20160213142924p:plain

plt.plot(h[1][0])
f:id:bitop:20160213143248p:plain

途中省略して
plt.plot(h[49][0])
f:id:bitop:20160213143419p:plain