|
Python里面有很多神包，无论是做可视化的matplotlib还是做数据处理的pandas，或者是号称机器学习代名词的sklearn，但是要说所谓的第一，恐怕大部分人都会同意，把这个桂冠带到numpy头上。 何为numpy？
为什么要用numpy？ Python有个灰常神奇的特点，就是——慢：
有多慢呢？根据谷歌的官方测试结果，Python的速度，只有C/C++的三十分之一……当然，当年测试的是Python2，现在说是Python3.6 +的速度，比Python2要快不少，但是依然还是慢。 对于这么慢的Python，我们怎么来提高它的运行速度呢？正如人类没有锋利的爪子和牙齿，确能成为地球的主宰者一样，我们并不是靠着自己的力量来称霸世界的，人类最强大的力量是利用工具——Python也是一样，自身慢没关系，可以使用其他语言写成的包来提速，比如numpy。 我们通过一个例子，来看看numpy对Python速度的提升：
数组作为Python三大数据结构之一，使用的场合几乎涵盖了所有的环境，如果你刚刚开始学习Python，想从事Python相关的工作，那么建议你，好好学习并且使用numpy；而如果你像虾神一样，已经是Python老司机了，但是对numpy不是特别熟悉，那么建议你，在任何一个需要使用数组的地方，第一时间考虑使用numpy包来替代Python自身的list。 所以这一次给大家带来的是numpy社区和讨论邮件列表里面，最著名的100个应用题，从这些方法里面，可以了解到numpy的一些用法和强大能力。 比如在两个数组之间，找公共值：
或者是快速生成指定时间段的所有日期序列：
比如，可以在数组中，快速找到最接近的数值：
本套练习题在github上非常受欢迎，不过原文是英文的，我特别给弄成了中文，方便大家使用，另外近期github非常不稳定，所以我把代码仓库转移到了gitee里面：
地址：https:///godxia 国内的网络还是比较给力的，不过有同学向我反应，每次都要下一堆东西，有没有办法只下其中一个文件？当然是木有问题，比如今天这个numpy 100，你只需要首先找到这个文件：
然后点击打开：
|
|
|
