Python Numpy 高效的运算工具详解

时间:2021-10-25 11:07:19

 

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

Python Numpy 高效的运算工具详解

Python Numpy 高效的运算工具详解

 

优势

存储风格

ndarray 相同类型 通用性差

list 不同类型 通用性强

Python Numpy 高效的运算工具详解

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

Python Numpy 高效的运算工具详解

Python Numpy 高效的运算工具详解

 

ndarray形状

Python Numpy 高效的运算工具详解

 

二维数组

下图(3,3) 三行 三列

Python Numpy 高效的运算工具详解

三个 二维数组

Python Numpy 高效的运算工具详解

 

ndarray类型

Python Numpy 高效的运算工具详解

 

创建ndarray时,指定其类型

Python Numpy 高效的运算工具详解

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服务器之家的更多内容!

原文链接:https://blog.csdn.net/weixin_46969441/article/details/120836745