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。