欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

NumPy入门学习(三)

程序员文章站 2023-12-27 18:16:33
...

NumPy对比for-in有着很高的效率

1. 生成大规模数组的效果

@timeit_test(number=1, repeat=1)
def list_test():
    my_list = list(range(1000000))


@timeit_test(number=1, repeat=1)
def ndarray_test():
    my_arr = np.arange(1000000)


list_test()  
ndarray_test() 
Time of 0 used: 0.04712673199999998
Time of 0 used: 0.0014547089999999985

2. 数值运算的效果

@timeit_test(number=1, repeat=1)
def list_test():
    my_list = []
    for num in range(1000000):
        my_list.append(num * 2.0)


@timeit_test(number=1, repeat=1)
def ndarray_test():
    my_arr = np.arange(1000000)
    my_arr = my_arr * 2.0


list_test()
darray_test() 
Time of 0 used: 0.15243656000000003
Time of 0 used: 0.009769811999999989

3. 处理数据的机制

import numpy as np

print(np.array([[1, 1, 1], [2, 2, 2], [3, 3, 3], [4, 4, 4]]).shape)
print(np.array([[1, 1, 1], [2, 2, 2], [3, 3, 3], [4, 4, 4]]).dtype)
print(np.array([[1, 1, 1], [2, 2, 2], [3, 3, 3], [4, 4, 4]]).strides)
(4, 3)
int64
(24, 8)

ndarray根据数据类型将同质的数据块为多维数组对象,结合跨度信息使得数组能以各种步幅在内存中移动。Python列表中的元素类型是任意的,并不能连续存储与内存中,只能通过寻址方式找到下一个元素。

上一篇:

下一篇: