1.多维向量的描述和快速高效计算能力,让数组和矩阵的使用更加自然;
2.大量实用的数学函数,支撑复杂的线性代数、随机数生成以及傅里叶变换函数
3.具备数据的磁盘读写工具
对于同样的数值计算任务,使用NumPy要比直接编写Python代码便捷的多。
这是因为NumPy能够直接对数组和矩阵进行操作,可以省略很多循环语句,
其众多的数学函数也会让编写代码的工作轻松许多。
同时底层算法在设计时有着优异的的性能,NumPy中数组的存储效率和输入输出性能均远远优于Python中等价的基本数据结构,如嵌套list。
example1:用python对象的list来创建ndarray对象
importnumpy as np
data= [1,2.11,4,59]
arr=np.array(data)print(arr)print(type(arr))
[1. 2.11 4. 59. ]
当然ndarray对象也可以转换成list
importnumpy as np
arr= np.arange(8)
L=arr.tolist()print(type(L))print(L)[0,1, 2, 3, 4, 5, 6, 7]
example2:用嵌套列表来创建多维矩阵
importnumpy as np
data= [[1,2,3,4],[5,6,7,8.2]]
arr=np.array(data)print(arr)print(arr.ndim)print(arr.shape)print(arr.dtype)print(type(arr))
[[1. 2. 3. 4. ]
[5. 6. 7. 8.2]]2(2, 4)
float64
#ndim就是数组的维数&#x