您现在的位置是:主页 > Web前端技术 > Web前端技术

如何分析python numpy库开发技术

IDCBT2021-12-27服务器技术人已围观

简介如何分析pythonnumpy库,很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。 1.NumPy( Numeric Python)

如何分析python numpy库,很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。

1.NumPy( Numeric Python)

numpy是一个开源的python科学计算扩展库,主要用来处理任意维度数组和矩阵。
相同的任务,使用numpy比直接用python的基本数据结构更加简单高效。

它的功能:

    包含一个强大的N维数组对象Ndarray

    广播功能函数

    整合C/C++代码的工具

    线性代数、傅里叶变换、随机数生成等功能

    numpyscipy,pandas等数据处理或科学计算库的基础

    2.numpy的引用

    虽说别名可以省略或者更改,但尽量使用上述约定的别名

    3.Ndarray

    n维数组,它是一个相同数据类型的集合,以0为下标开始进行集合中元素的索引。
    我们知道,python有列表和数组此类的数据结构。

    列表:数据类型可以不同(如[3, 2.4 ,‘a' ,“abc”]),数据是有序的
    数组:数据类型相同(如[1,2,3,4])
    集合: (如{2,4,3,5,7})数据是无序的

    引入n维数组的意义

    观察下列两组操作,其功能都是一样的。

    import numpy as np
    
    def pysum():
        a = [1, 2, 3, 4]
        b = [5, 6, 7, 8]
        c = []
        for i in range(len(a)):
            c.append(a[i]**2+b[i]**3)
        return c
    
    def numpysum():
        a = np.array([1, 2, 3, 4])
        b = np.array([5, 6, 7, 8])
        c = a**2+b**3
        return c
    
    print("使用列表运算的结果是:", pysum())
    print("使用Numpy运算的结果是:", numpysum())

    运行结果:

    使用列表运算的结果是: [126, 220, 352, 528]
    使用Numpy运算的结果是: [126 220 352 528]

    但是很明显:

      numpy的数组对象可以去掉元素建运算所需要的循环,使一维向量更像单个数据

      numpy通过设立专门的数组对象,经过优化,运算速度也相应提升

      通常情况下,在科学运算中,一个维度所有数据的类型往往相同,这时,使用数组对象采用相同的数据类型,有助于节省运算时间和存储空间

      ndarray的组成

        实际的数据

        描述这些数据的元数据(数据维度、数据类型等)

        标签:

        很赞哦! ()

本栏推荐