Python Numpy 高效的运算工具详解

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

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