numpy介紹【了解】

?個(gè)開源的Python科學(xué)計(jì)算庫(kù)

計(jì)算起來要?python簡(jiǎn)潔?效

Numpy使?ndarray對(duì)象來處理多維數(shù)組

?NumPy提供了?個(gè)N維數(shù)組類型ndarray，它描述了相同類型的“items”的 集合。 ?成numpy對(duì)象:np.array() ndarray的優(yōu)勢(shì)【掌握】

內(nèi)存塊?格

- list -- 分離式存儲(chǔ),存儲(chǔ)內(nèi)容多樣化

- ndarray -- ?體式存儲(chǔ),存儲(chǔ)類型必須?樣

ndarray?持并?化運(yùn)算（向量化運(yùn)算）?

ndarray底層是?C語?寫的,效率更?,釋放了GIL

初識(shí)

import numpy as np score = np.array( [[80, 89, 86, 67, 79], [78, 97, 89, 67, 81], [90, 94, 78, 67, 74], [91, 91, 90, 67, 69], [76, 87, 75, 67, 86], [70, 79, 84, 67, 84], [94, 92, 93, 67, 64], [86, 85, 83, 67, 80]] ) score

?ndarray和原生Python效率對(duì)比

import random import time import numpy as np a = [] for i in range(100000000):a.append(random.random())# 通過%time魔法方法, 查看當(dāng)前行的代碼運(yùn)行一次所花費(fèi)的時(shí)間 %time sum1=sum(a)b=np.array(a)%time sum2=np.sum(b)

ndarray的使用

數(shù)組的屬性

score.shape #數(shù)組形狀

score.ndim #數(shù)組維數(shù)

score.size #數(shù)組元素的個(gè)數(shù)

score.itemsize #?個(gè)數(shù)組元素的?度（字節(jié)）

score.dtype #數(shù)組元素的類型

總結(jié)

以上是生活随笔為你收集整理的numpy基础简介的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。