Python Numpy 高效的运算工具详解
短信预约 -IT技能 免费直播动态提醒
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编程网的更多内容!
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
