Numpy 的基本用法-数组对象

Numpy 是一个开源的 Python 科学计算库，它是 python 科学计算库的基础库，许多其他著名的科学计算库如Pandas， Scikit-learn 等都要用到 Numpy 库的一些功能。

1 Numpy 数组对象

Numpy 中的多维数组称为 ndarray ，这是 Numpy 中最常见的数组对象。 ndarray 对象通常包含两个部分：

• ndarray 数据本身

• 描述数据的元数据

Numpy 数组的优势

• Numpy 数组通常是由相同种类的元素组成的，即数组中的数据项的类型一致。这样有一个好处，由于知道数组元素的类型相同，所以能快速确定存储数据所需空间的大小。

• Numpy 数组能够运用向量化运算来处理整个数组，速度较快；而 Python 的列表则通常需要借助循环语句遍历列表，运行效率相对来说要差。

• Numpy 使用了优化过的 C API ，运算速度较快

关于向量化和标量化运算 ，对比下面的参考例子就可以看出差异

• 使用 python 的 list 进行循环遍历运算

import numpy
from timeit import timeit
from timeit import Timer
import numpy as np
def pySum():
  a = list(range(100))
  b = list(range(100))
  c = []
  for i in range(len(a)):
   c.append(a[i]**2 + b[i]**2)
   print('---------')
   return c

timer1 = Timer("pySum()", "from __main__ import pySum")
print("timer1+:", timer1.timeit())

运行结果：

下面使用 numpy 进行向量化运算

def npSum():
 a = np.arange(100)
 b = np.arange(100)
 c = a**2 + b**2
 return c

timer2 = Timer("npSum()", "from __main__ import npSum")
print("timer2+:", timer2.timeit())

 运行结果：

从上面的运行结果可以看出， numpy 的向量化运算的效率要远远高于 python 的循环遍历运算 。