例:
注:补充知识(%%time %time %timeit)
%%time 将会给出cell(一个单元格里面所运行的内容)的代码运行一次所花费的时间。
%time 将会给出当前行的代码运行一次所花费的时间。
%timeit 使用Python的timeit模块,它将会执行一个语句100,000次(默认情况下),然后给出运行最快3次的平均值。
ls=range(100000)
ls
补充知识:
"_"
是一个循环标志,类似于普通变量,只是不取值,只循环,这个"_"
其实就是一个占位符,和用普通变量i
但是不使用i
是一样的效果。
%%time
ls=list(range(100000))
for _ in range(10):
mylist=[x * 2 for x in ls] # 列表解析式
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
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
工具都帮大家整理好了,安装就可直接上手!
三、最新Python学习笔记
当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
四、Python视频合集
观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
五、实战案例
纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
六、面试宝典
简历模板
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!