Numpy 高效的运算工具

目录

numpy 高效的运算工具
numpy优势
numpy属性

基本操作
ndarray.方法（）
numpy.函数名（）

ndarray运算
逻辑运算
统计运算
数组间运算

合并 分割 IO操作 数据处理

Numpy 介绍

numpy
num numerical 数值化
py python

ndarray
n 任意个
d dimension 维度
array 数组

n维 相同数组类型的集合

将数据组 转化为 ndarray类型

data = np.array(数组)

import numpy as np
data = np.array([[80,89,65,79],
[80,89,65,79],
[80,89,65,79],
[80,89,65,79],
[80,89,65,79]]
)
data
type(data)

通过 ndarray的形式进行存储

优势

存储风格
ndarray 相同类型 通用性差
list 不同类型 通用性强

并行化运算
nd.array 支持并行化/向量化运算

底层语言

多任务处理： 多线程 多进程
python受到GIL锁限制，拖累限制。
numpy底层用C语言实现，接触GIL锁限制。不受python解释器限制。

numpy常用属性

形状 shape 维度 元素个数
类型 dtype （根据数据类型得知）所占内存的大小

ndarray形状

二维数组

下图（3，3） 三行 三列

三个 二维数组

ndarray类型

创建ndarray时，指定其类型

data3 = np.array([1.1,2.2,3,3],dtype = 'float32')
data3 = np.array([1.1,2.2,3,3],dtype = np.float32)

不指定的话，整数默认int64，，小数float64。

基本操作

生成数据方法adarrat