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!
numpy.asarray
, numpy.frombuffer
, 和 numpy.fromiter
是NumPy库中用于创建数组的三个不同函数,它们各自适用于不同的场景并有着不同的特性。
numpy.asarray
- 用途:
numpy.asarray
用于将输入转换为一个NumPy数组。如果输入已经是一个NumPy数组,它将不会复制数据,而是直接返回原数组。对于其他类型的数据(如列表、元组、任何数组接口兼容的对象等),它会将其转换成NumPy数组。 - 场景:这个函数非常适用于确保某个对象是NumPy数组的情况。如果你不确定输入数据的类型,但需要确保它作为一个NumPy数组来处理(不必要复制已存在的数组),那么使用
asarray
是一个好选择。
import numpy as np # 从列表创建数组 lst = [1, 2, 3] rr = np.asarray(lst)
numpy.frombuffer
- 用途:
numpy.frombuffer
用于从字节缓冲区(如二进制文件中读取的数据)创建一个NumPy数组,而不需要进行中间复制操作。这意味着它可以直接在原始内存缓冲区上创建数组视图,从而提高效率。 - 场景:适用于处理二进制数据或从文件中直接读取数据的场合。例如,从一个文件读取一个大型的二进制数组时,使用
frombuffer
可以避免不必要的数据复制,提高程序的效率。
import numpy as np # 假设buf是从文件中读取的二进制数据
buf = b'\x01\x02\x03\x04'
arr = np.frombuffer(buf, dtype=np.uint8)
numpy.fromiter
- 用途:
numpy.fromiter
是从任意可迭代对象(如迭代器、生成器、列表等)创建一个新的一维NumPy数组。与asarray
相比,它允许从迭代过程中动态生成的数据创建数组,同时可以指定数组的数据类型。 - 场景:当你有一个懒加载的或无法一次性加载到内存的数据生成器时,使用
fromiter
可以有效地将这些数据转换为NumPy数组。这对于处理大数据集或者只能按需生成数据的情况特别有用。
最后
不知道你们用的什么环境,我一般都是用的Python3.6环境和pycharm解释器,没有软件,或者没有资料,没人解答问题,都可以免费领取(包括今天的代码),过几天我还会做个视频教程出来,有需要也可以领取~
给大家准备的学习资料包括但不限于:
Python 环境、pycharm编辑器/永久激活/翻译插件
python 零基础视频教程
Python 界面开发实战教程
Python 爬虫实战教程
Python 数据分析实战教程
python 游戏开发实战教程
Python 电子书100本
Python 学习路线规划
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!