Python Numpy 高效的运算工具详解

编辑: admin 分类: python 发布时间: 2021-12-03 来源:互联网
目录
  • Numpy 介绍
    • 优势
  • numpy常用属性
    • ndarray形状
  • 二维数组
    • ndarray类型
    • 创建ndarray时，指定其类型
  • 基本操作
    • 总结

      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

      在这里插入图片描述

      在这里插入图片描述

      优势

      存储风格

      ndarray 相同类型 通用性差

      list 不同类型 通用性强

      在这里插入图片描述

      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

      在这里插入图片描述

      在这里插入图片描述

      ndarray形状

      在这里插入图片描述

      二维数组

      下图（3，3） 三行 三列

      在这里插入图片描述

      三个 二维数组

      在这里插入图片描述

      ndarray类型

      在这里插入图片描述

      创建ndarray时，指定其类型

      在这里插入图片描述

      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hwidc的更多内容!

      【来源：自由互联、日本站群服务器】
      更多阅读