目录
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华域联盟的更多内容!
您可能感兴趣的文章:
- Python中Numpy和Matplotlib的基本使用指南
- Python编程利用Numpy和PIL库将图片转化为手绘
- Python编程OpenCV和Numpy图像处理库实现图片去水印
- python之用Numpy和matplotlib画一个魔方
- python基础之Numpy库中array用法总结
- python利用numpy存取文件案例教程
- Python NumPy灰度图像的压缩原理讲解
- Python数据分析之Numpy库的使用详解
本文由 华域联盟 原创撰写:华域联盟 » Python Numpy 高效的运算工具详解
转载请保留出处和原文链接:https://www.cnhackhy.com/13717.htm