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