Python Numpy 高效的运算工具详解

Numpy 介绍

numpy

num numerical 数值化

py python

ndarray

n 任意个

d dimension 维度

array 数组

n维 相同数组类型的集合

将数据组 转化为 ndarray类型

data = np.array(数组)

import numpy as np
data = np.array([[80,89,65,79],
[80,89,65,79],
[80,89,65,79],
[80,89,65,79],
[80,89,65,79]]
)
data
type(data)

通过 ndarray的形式进行存储

优势

存储风格

ndarray 相同类型 通用性差

list 不同类型 通用性强

并行化运算

nd.array 支持并行化/向量化运算

底层语言

多任务处理： 多线程 多进程

python受到GIL锁限制，拖累限制。

numpy底层用C语言实现，接触GIL锁限制。不受python解释器限制。

numpy常用属性

形状 shape 维度 元素个数

类型 dtype （根据数据类型得知）所占内存的大小

ndarray形状

二维数组

下图（3，3） 三行 三列

三个 二维数组

ndarray类型

创建ndarray时，指定其类型

data3 = np.array([1.1,2.2,3,3],dtype = 'float32')
data3 = np.array([1.1,2.2,3,3],dtype = np.float32)

不指定的话，整数默认int64，，小数float64。

基本操作

生成数据方法adarrat

总结

本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注本站的更多内容!

版权声明：本站文章来源标注为YINGSOO的内容版权均为本站所有，欢迎引用、转载，请保持原文完整并注明来源及原文链接。禁止复制或仿造本网站，禁止在非www.yingsoo.com所属的服务器上建立镜像，否则将依法追究法律责任。本站部分内容来源于网友推荐、互联网收集整理而来，仅供学习参考，不代表本站立场，如有内容涉嫌侵权，请联系alex-e#qq.com处理。