前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 作者:基因学苑
为什么需要numpypython默认进行多个数据的计算,是使用循环,如果循环次数多,就非常耗时。举个简单的案例,我们要计算100000个随机数的值,如果传统编程需要写循环,用了2.2s,而使用numpy数据结构,则可以进行向量化操作,无需循环,只需要28.2ms 节约大量时间。 a=[1,2,3,4,5]b=np.array([1,2,3,4,5])a+1b+1a*10b*10 如何生成ndarraynumpy的核心是ndarray(n-dimensional array),多维数组。所谓数据就是同一类型数据的集合,比如1000个数字构成一个数组,1000个字符也构成一个数组。numpy包含很多函数,可以将python数据结构很容易转换为numpy的ndarray。
比较传统列表数组与ndarray的区别 a=[1,2,3,4,5]b=np.array([1,2,3,4,5])a+1b+1a*10b*10 NumPy常用函数numpy有很多函数,其中使用numpy比较多的功能是利用其生产数字,比如随机数,正太分布,等差数列等。
数学计算函数numpy内置了很多计算的函数,可以进行很多数学,输入数据是一个ndarray即可。 # 使用array创建数组#x是一个包含1000个随机正整数的集合,取值范围从1~1000。x=np.random.randint(size=1000,low=1,high=1000)#输出xx#进行集合的求和,平均值,方差,标准差等计算np.sum(x)np.mean(x)np.var(x)np.std(x)np.min(x)np.max(x)np.argmin(x)np.argmax(x)np.cumsum(x)np.cumprod(x) 计算机性能测试下面做一个有意思的计算机性能测试,随机生成一个大的数据集,看你的计算机能计算多少位,这个和内存有关系。
|
|