Python numpy库怎么引用,使用是怎样的
Admin 2022-05-25 群英技术资讯 528 次浏览
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:
Ndarray
numpy
是scipy
,pandas
等数据处理或科学计算库的基础
虽说别名可以省略或者更改,但尽量使用上述约定的别名
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
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
当np.array()
不指定dtype
时,numpy
将根据数据情况关联一个dtype
类型
ndarray
支持多种数据类型的原因python
基本语法只支持整数、浮点数和复数3种类型numpy
合理使用存储空间并优化性能import numpy as np x = np.array([[1, 0], [2, 0], [3, 1]], np.int32) print(x) print(x.dtype)
程序输出:
[[1 0]
[2 0]
[3 1]]
int32
(好家伙,numpy
内置函数太多了…)
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:mmqy2019@163.com进行举报,并提供相关证据,查实之后,将立刻删除涉嫌侵权内容。
猜你喜欢
怎样用python编写备忘录的功能?对于备忘录的功能大家应该都比较清楚,其实就是一个读取、写入和保存文件的过程,今天我们就来了解一下python实现备忘录功能。
python读写文件的api都很简单,一不留神就容易踩”坑“。笔者记录一次踩坑历程,并且给了一些总结,希望到大家在使用python的过程之中,能
这篇文章主要介绍了python上下文管理器协议的实现,在python中所有实现了上下文管理器协议的对象 都可以用使用with操作,with启动了对象的上下文管理器
这篇文章主要介绍Python内置对象的内容,在Python学习中,python常用的内置对象是比较基础的知识,下文给大家简单介绍常用的python内置对象、变量、整数、浮点数、布尔类型、字符串类型和注释等知识,有需要的朋友可以看看,希望大家阅读完这篇文章能有所收获。
在python中,默认是按照ascii的大小比较的;字符串按位比较,两个字符串第一位字符的ascii码谁大,字符串就大,不再比较后面的;
成为群英会员,开启智能安全云计算之旅
立即注册Copyright © QY Network Company Ltd. All Rights Reserved. 2003-2020 群英 版权所有
增值电信经营许可证 : B1.B2-20140078 粤ICP备09006778号 域名注册商资质 粤 D3.1-20240008