ElectroYou

Ecco qui una comparazione tra diversi software di analisi numerica (Matlab, Octave, FreeMat, Scilab, R e IDL).

Mi sembra venga aggiornata ogni anno.

Muchas gracias! Esta información es muy, muy interesante!

grazie mille, lo trovo molto interessante

Quando ne ho l'occasione faccio qualche piccolo confronto tra i vari software che mi capita di usare. Senza pretesa di sistematicità, sono semplicemente casi su cui mi è capitato di lavorare, ho deciso di riportare qui alcuni risultati. Il confronto sarà principalmente tra Octave 3.6.4, Scilab 5.4.1 e Mathematica 9.0.1. L'idea è quella di comparare sia la velocità che la facilità di programmare alcune operazioni. Visto il crescente uso di Python in ambito scientifico, se ci fosse qualche "pythonista" che avesse voglia di realizzare anche dei programmini che facciano le stesse operazioni, potremmo aggiungerlo alle comparazioni.

I test sono stati fatti su una macchina i7-3770 @ 3.40 GHz 8 cores.

Nel primo confronto ho fatto generare ai programmi una matrice 20*1000000 di numeri casuali; per ognuna delle 10^6 colonne ho fatto calcolare la mediana. Scilab esce un po' acciaccato da questo test.

1) Octave

La funzione è questa:

Codice: Seleziona tutto

function [t] = test_median(m,n)
    Y = normrnd (0, 1, m, n);
    tic();
    M = median(Y,1);
    t = toc();
end

Richiamata con

Codice: Seleziona tutto

test_median(20,1000000)

Il tempo di calcolo della mediana è circa 0.3 s.

2) Scilab

La funzione è questa:

Codice: Seleziona tutto

function [t] = test_median(m,n)
    Y = grand(m, n, "nor", 0, 1);
    tic();
    M = median(Y,'r');
    t = toc();
endfunction

Richiamata con

Codice: Seleziona tutto

test_median(20,1000000)

Per poter eseguire la funzione con dimensioni così grandi è necessario incrementare la dimensione dello stack con

Codice: Seleziona tutto

stacksize('max')

Il tempo di calcolo della mediana è risultato di circa 2016 s

3) Mathematica

Il programma eseguito è

Codice: Seleziona tutto

Y = RandomVariate[NormalDistribution[0, 1], {20, 1000000}];
Timing[Median[Y];]

E il tempo di calcolo è stato di circa 1.2 s.

Codice: Seleziona tutto

def test_ey(m,n):
    import numpy as np
    a=np.array(np.random.random_sample(size=(m,n)))
    b=np.median(a, axis=1)

test_ey(20,1000000)

ottengo circa 2.55 s
ma sicuramente si può ottimizzare, perché io sono un "pythonista" della domenica

(CPU i3 550 @ 3.20GHz)

Come confronto, con octave e la funzione del post precedente ottengo

Codice: Seleziona tutto

octave:2> test_median(20,1000000)
ans =  0.41516

Grazie angus!

Con il tuo programma ho ottenuto circa 1.7 s.

se hai Mathematica ancora aperto prova con

Codice: Seleziona tutto

Timing[Median[RandomVariate[NormalDistribution[0.0, 1.0], {20.0, 10^6}];];]

Ciao,
Pietro.

[quote="angus"]

Codice: Seleziona tutto

import numpy as np


Per equilibrare la riga sopra non va messa nel computo del test, in quanto gli altri programmi le librerie le caricano all'avvio, di conseguenza non si vedono nei risultati.
Prova con:

Codice: Seleziona tutto

import numpy
import time

def test_ey(m,n):   
    a=numpy.array(numpy.random.random_sample(size=(m,n)))
    b=numpy.median(a, axis=1)

starttime=time.clock()
test_ey(20,1000000)
stoptime=time.clock()
print("%ds"%(stoptime-starttime))


PietroBaima ha scritto:se hai Mathematica ancora aperto prova con

Codice: Seleziona tutto

Timing[Median[RandomVariate[NormalDistribution[0.0, 1.0], {20.0, 10^6}];];]

Provato ora, viene 1.8 s circa. Però mi sembra che così si misuri anche il tempo di generazione dei numeri casuali, mentre negli altri misuro solo il tempo di calcolo della mediana che, visti i risultati di Scilab, sembrerebbe quello che può dare più problemi.