将上面的代码使用numpy
:
import numpy as np
arr=np.arange(100000)
arr
%%time
arr=np.arange(100000)
for _ in range(10):
myarr=arr*2 # 列表解析式
由上述两端代码运行的时间可知:numpy
进行数组的创建计算的效率高于list
====================================================================
数组类型:一维数组,二维数组,多维数组
创建方法
-
np.array() list或者tuple
-
np.arange() np.inspace()
-
np.ones() np.zeors() np.eye() np.random.random()
把列表和元组转换成为数组:
l1=[1,2,3,4,5,6]
l2=(6,5,4,3,2,1)
arrl1=np.array(l1)
arrl2=np.array(l2)
print(arrl1)
print(arrl2)
很清楚的看到区别,使用了 np.array()
之后,数据之间的逗号会消失。
以下是以浮点型为例子探讨数组的一些属性。
当数组定义好之后,本身带有的一些常用属性:
| 属性 | 解释 |
| — | — |
| arr.ndim | 返回的是数组的维度,返回的只有一个数,该数即表示数组的维度。 |
| type(arr) | 返回数据类型。 |
| arr.shape | 表示各位维度大小的元组。返回的是一个元组。 |
| len(arr) | 返回数组长度。 |
| arr.size | 返回元素个数。 |
| arr.itemsize | 返回元素的大小,元素的大小是根据数据的类型来定义的。 |
| arr.strides | 返回元素的跨度,跨度指两个元素之间要跨过的字节数。 |
| arr.dtype | 一个用于说明数组数据类型的对象,返回的是该数组的数据类型。 |
l3=[1.1,3.0,5.1,9.7,4.5]
arr=np.array(l3)
print(‘数据类型:’,type(arr))
print(‘轴(维度):’,arr.ndim)
print(‘数组长度:’,len(arr))
print(‘元素个数:’,arr.size)
print(‘形状:’,arr.shape) #元组后面必须要加逗号
print(‘元素的大小:’,arr.itemsize)
print(‘元素类型:’,arr.dtype)
print(‘跨度:’,arr.strides)
如果是整形的数组:
数组也可以是字符串类型或者混合类型:
np.arange():
元素的间隔是固定的
函数返回一个有终点和起点的固定步长的排列,如[1,2,3,4,5],起点是1,终点是5,步长为1。
参数个数情况: np.arange()
函数分为一个参数,两个参数,三个参数三种情况
-
一个参数时,参数值为终点,起点取默认值0,步长取默认值1。
-
两个参数时,第一个参数为起点,第二个参数为终点,步长取默认值1。
-
三个参数时,第一个参数为起点,第二个参数为终点,第三个参数为步长,其中步长支持小数。
np.arange(8)
print(np.arange(2,8,2))
np.arange(2,8,2)
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
-
start
,开始的数字 -
stop
,结束的数字 -
num
,返回的数量 -
endpoint
,一个bool型变量 -
retstep
,一个bool型,True的话输出之间公差 -
dtype
,数据类型,类型有很多例如:np.bool…,可以自己指定
将2~8之间进行50等分:
np.linspace(2,8)
len(np.linspace(2,8))
np.linspace(2,8,4)
这就类似于微信的抢红包,每份金额都是相等的。
====================================================================
l3=[[1,3,5],[6,1,9.1]]
arr=np.array(l3)
print(‘数据类型:’,type(arr))
print(‘轴(维度):’,arr.ndim)
print(‘数组长度:’,len(arr))
print(‘元素个数:’,arr.size)
print(‘形状:’,arr.shape)
print(‘元素的大小:’,arr.itemsize)
print(‘元素类型:’,arr.dtype)
print(‘跨度:’,arr.strides)
l4=[[1,3,5],[6,1,9]]
arr=np.array(l4)
print(‘数据类型:’,type(arr))
print(‘轴(维度):’,arr.ndim)
print(‘数组长度:’,len(arr))
print(‘元素个数:’,arr.size)
print(‘形状:’,arr.shape)
print(‘元素的大小:’,arr.itemsize)
print(‘元素类型:’,arr.dtype)
print(‘跨度:’,arr.strides)
对比:l3和l4区别在于l3的元素含有float
类型,而l4都是int
类型
分析:
print(‘元素个数:’,arr.size) # 是把所有元素都统计在内部
结果:
元素个数: 6
print(‘形状:’,arr.shape)
#结果:
形状: (2, 3) # 表示两行三列
print(‘跨度:’,arr.strides) # 数组是两行三列,
此外,还可以构造全0和全1的数组:
np.zeros(10)
np.ones((2,4))
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习
一个人可以走的很快,但一群人才能走的更远。如果你从事以下工作或对以下感兴趣,欢迎戳这里加入程序员的圈子,让我们一起学习成长!
AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算
我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习
一个人可以走的很快,但一群人才能走的更远。如果你从事以下工作或对以下感兴趣,欢迎戳这里加入程序员的圈子,让我们一起学习成长!
AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算