亲宝软件园·资讯

展开

Python Numpy 高效的运算工具 Python Numpy 高效的运算工具详解

生产队的驴儿 人气:0
想了解Python Numpy 高效的运算工具详解的相关内容吗,生产队的驴儿在本文为您仔细讲解Python Numpy 高效的运算工具的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:Python,Numpy,Numpy运算工具,下面大家一起来学习吧。

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的更多内容!

加载全部内容

相关教程
猜你喜欢
用户评论