python中numpy数组的计算_使用 NumPy 让你的 Python 科学计算更高效

使用numpy可以使python的计算效率更高。

NumPy 数组存储在一个均匀连续的内存块中。这样数组计算遍历所有的元素，不像列表 list 还需要对内存地址进行查找，从而节省了计算资源。另外在内存访问模式中，缓存会直接把字节块从 RAM 加载到 CPU 寄存器中。因为数据连续的存储在内存中，NumPy 直接利用现代 CPU 的矢量化指令计算，加载寄存器中的多个连续浮点数。另外 NumPy 中的矩阵计算可以采用多线程的方式，充分利用多核 CPU 计算资源，大大提升了计算效率。

具体的原理我也不大懂，简单理解就是Numpy的计算效率更高一些。

Numpy里有两个对象：

零基础学Python(全彩版)Python3.8 全新升级

京东售价￥69.8ndarray,实际上就是多维数组的含义，在Numpy数组中，维数称为秩(rank)，一维数组的秩为 1，二维数组的秩为 2，以此类推。在 NumPy 中，每一个线性的数组称为一个轴(axes)，其实秩就是描述轴的数量。

连续数组的创建，可以使用arange和linspace函数进行创建：

arange() 类似内置函数 range()，通过指定初始值、终值、步长来创建等差数列的一维数组，默认是不包括终值的。

linspace 是 linear space 的缩写，代表线性等分向量的含义。linspace() 通过指定初始值、终值、元素个数来创建等差数列的一维数组，默认是包括终值的。

算术运算，可以直接对数组进行加、减、乘、除、求 n 次方和取余数。

统计函数，查看最大、最小值amax()&amin()

统计最大值与最小值之差ptp()

统计数组的百分位数怕ercentile(),第2个参数代表百分比，0即最小值，100为最大值。

统计数组中的中位数median()、平均数mean()

统计数组中的方差var(),标准差var()

numpy排序

#Python入门教程#