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
。