Inni podali przykłady, jak to zrobić w czystym pythonie. Jeśli chcesz to zrobić z tablicami zawierającymi 100 000 elementów, powinieneś użyć numpy:
In [1]: import numpy as np
In [2]: vector1 = np.array([1, 2, 3])
In [3]: vector2 = np.array([4, 5, 6])
Wykonanie dodawania elementów jest teraz tak proste jak
In [4]: sum_vector = vector1 + vector2
In [5]: print sum_vector
[5 7 9]
tak jak w Matlabie.
Czas porównania z najszybszą wersją Ashwini:
In [16]: from operator import add
In [17]: n = 10**5
In [18]: vector2 = np.tile([4,5,6], n)
In [19]: vector1 = np.tile([1,2,3], n)
In [20]: list1 = [1,2,3]*n
In [21]: list2 = [4,5,6]*n
In [22]: timeit map(add, list1, list2)
10 loops, best of 3: 26.9 ms per loop
In [23]: timeit vector1 + vector2
1000 loops, best of 3: 1.06 ms per loop
To jest współczynnik 25 szybciej! Ale użyj tego, co pasuje do twojej sytuacji. W przypadku prostego programu prawdopodobnie nie chcesz instalować numpy, więc użyj standardowego Pythona (i uważam, że wersja Henry'ego jest najbardziej Pythoniczna). Jeśli jesteś w poważnej sytuacji kryzysowej, pozwól, aby numpy
ciężkie podnoszenie. Dla maniaków prędkości: wydaje się, że numpy rozwiązanie jest szybsze od początku n = 8
.