Numpy 是Python科学计算的一个核心模块。它提供了非常高效的数组对象,以及用于处理这些数组对象的工具。一个Numpy数组由许多值组成,所有值的类型是相同的。
Python的核心库提供了 List 列表。列表是最常见的Python数据类型之一,它可以调整大小并且包含不同类型的元素,非常方便。
那么List和Numpy Array到底有什么区别?为什么我们需要在大数据处理的时候使用Numpy Array?答案是性能。
Numpy数据结构在以下方面表现更好:
1.内存大小—Numpy数据结构占用的内存更小。
2.性能—Numpy底层是用C语言实现的,比列表更快。
3.运算方法—内置优化了代数运算等方法。
下面分别讲解在大数据处理时,Numpy数组相对于List的优势。
1.内存占用更小
适当地使用Numpy数组替代List,你能让你的内存占用降低20倍。
对于Python原生的List列表,由于每次新增对象,都需要8个字节来引用新对象,新的对象本身占28个字节(以整数为例)。所以列表 list 的大小可以用以下公式计算:
64 + 8 * len(lst) + len(lst) * 28 字节