numpy介紹【了解】

?個開源的Python科學計算庫

計算起來要?python簡潔?效

Numpy使?ndarray對象來處理多維數組

?NumPy提供了?個N維數組類型ndarray，它描述了相同類型的“items”的 集合。 ?成numpy對象:np.array() ndarray的優勢【掌握】

內存塊?格

- list -- 分離式存儲,存儲內容多樣化

- ndarray -- ?體式存儲,存儲類型必須?樣

ndarray?持并?化運算（向量化運算）?

ndarray底層是?C語?寫的,效率更?,釋放了GIL

初識

import numpy as np score = np.array( [[80, 89, 86, 67, 79], [78, 97, 89, 67, 81], [90, 94, 78, 67, 74], [91, 91, 90, 67, 69], [76, 87, 75, 67, 86], [70, 79, 84, 67, 84], [94, 92, 93, 67, 64], [86, 85, 83, 67, 80]] ) score

?ndarray和原生Python效率對比

import random import time import numpy as np a = [] for i in range(100000000):a.append(random.random())# 通過%time魔法方法, 查看當前行的代碼運行一次所花費的時間 %time sum1=sum(a)b=np.array(a)%time sum2=np.sum(b)

ndarray的使用

數組的屬性

score.shape #數組形狀

score.ndim #數組維數

score.size #數組元素的個數

score.itemsize #?個數組元素的?度（字節）

score.dtype #數組元素的類型

總結

以上是生活随笔為你收集整理的numpy基础简介的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。