numpy基础简介

numpy介绍【了解】

⼀个开源的Python科学计算库

计算起来要⽐python简洁⾼效

Numpy使⽤ndarray对象来处理多维数组

 NumPy提供了⼀个N维数组类型ndarray，它描述了相同类型的“items”的 集合。 ⽣成numpy对象:np.array() ndarray的优势【掌握】

内存块⻛格

- list -- 分离式存储,存储内容多样化

- ndarray -- ⼀体式存储,存储类型必须⼀样

ndarray⽀持并⾏化运算（向量化运算） 

ndarray底层是⽤C语⾔写的,效率更⾼,释放了GIL

初识

import numpy as np
score = np.array(
[[80, 89, 86, 67, 79],
[78, 97, 89, 67, 81],
[90, 94, 78, 67, 74],
[91, 91, 90, 67, 69],
[76, 87, 75, 67, 86],
[70, 79, 84, 67, 84],
[94, 92, 93, 67, 64],
[86, 85, 83, 67, 80]]
)
score

 ndarray和原生Python效率对比

import random
import time
import numpy as np
a = []
for i in range(100000000):
    a.append(random.random())

# 通过%time魔法方法, 查看当前行的代码运行一次所花费的时间
%time sum1=sum(a)

b=np.array(a)

%time sum2=np.sum(b)

ndarray的使用

数组的属性

score.shape #数组形状

score.ndim #数组维数

score.size #数组元素的个数

score.itemsize  #⼀个数组元素的⻓度（字节）

score.dtype #数组元素的类型