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

时间:2021-10-21 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

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。

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

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

在这里插入图片描述

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。

生成数据方法adarrat

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