开源堡垒机Jumpserver全网独家视频教程系列第一部上线了!免费章节pan.baidu.com/s/1LQ3c323XpG0is1172REnVg 提取码wp0i 视频详细介绍点我

Numpy

阅读: 5556     评论:0

本教程使用的Numpy版本为1.14.3

官方主页:http://www.numpy.org/

Numpy基于BSD开源。

img

Numpy(Numerical Python)是基于python进行科学计算和数学分析的重要基础库之一,大名鼎鼎。它包括:

  • 一个强大的N维数组对象
  • 复杂(广播)功能
  • C/C++与FORTRAN代码的集成工具
  • 强大的的线性代数、傅立叶变换和随机数功能

除了其明显的科学用途外,numpy还可以用作有效的通用数据多维容器。可以定义任意数据类型。这使得numpy能够无缝、快速地与各种数据库集成。Numpy本身并不提供建模函数,理解Numpy的数组以及基于数组的计算将有助于你更高效地使用基于数组的工具,比如Pandas。

Numpy在使用上的优势:

  • 对大量数据的高效操作
  • 内部将数据储存在连续的内存块上,这与Python内建的数据结构是不同的。Numpy的算法库是C语言编写的,在操作内存时,不需要任何类型检查或其它管理操作。Numpy数组使用的内存也小于其它Python内建序列。
  • Numpy可以针对全量数组进行复杂计算而不需要编写Python循环,要快10到100倍,并且使用的内存也更少。

看下面的例子:

>>> np.__version__
1.14.3
>>> import numpy as np
>>> my_arr = np.arange(1000000) # 以numpy的方式生成数组
>>> my_list = list(range(1000000))# 以Python列表的方式
>>> %time for _ in range(10):my_arr2 = my_arr*2 # np的操作时间
Wall time: 19 ms
>>> %time for _ in range(10):my_list2 = [x*2 for x in my_list] # Python列表的操作时间
Wall time: 593 ms

通常,使用Numpy的人员大多从事科学计算、数据分析、机器学习相关领域的工作,基本都会安装Anaconda。在Anaconda中,已经将Jupyter notebook、Numpy、Pandas、Matplotlib几个密切相关的库集成进去了,可以直接使用。Anaconda简单方便,兼容性好,为我们解决了很多依赖问题。所以我们不建议初学者自己手动安装Numpy,这样费时费力,要自己解决大量的依赖问题,兼容性问题,还不一定能安装成功。

如果你确实需要或者想自己手动安装:

  • 包下载地址:https://www.scipy.org/scipylib/download.html
  • 安装指引:https://www.scipy.org/install.html

因为前面我们已经安装了Anaconda,这里就不再赘述了。


 魔法命令 基础知识 

评论总数: 0


点击登录后方可评论