【学习笔记】Numpy数组的创建

本文探讨了使用Numpy的原因,包括节省内存和提高计算速度,并详细介绍了如何创建各种类型的Numpy数组,如通过`np.array()`、创建等值数组、有序数组、随机数组、单位矩阵和未初始化数组,以及创建结构化数组的方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

写在前面:为啥要用Numpy?

四个字概括Numpy的好处:又省又快

为什么省?
python的整型啊,列表啊,数组啊,就很不纯粹。

例如整型,它其实是一个指针,指向包含这个对象所有信息的某个内存位置,python整型结构体内还包含引用计数、变量类型编码、数据成员大小等其他信息,负担很大。

再比如说列表,python列表是动态的,可以混合存储多种数据类型,这种灵活便捷的特性导致需要额外的信息。

而Numpy的数组结构在内存中连续存储,且每个数组数据类型必须统一,减少了额外信息的负担。

为什么快?
Numpy的数组在内存中连续存储,这样加快了遍历速度。且这种存储方式使得Numpy可以使用现代CPU的矢量化指令计算,加载寄存器中的多个连续浮点数。此外Numpy的矩阵运算可以采用多线程的方式,大大提升计算效率。

创建数组

要使用numpy库,首先import numpy as np

常用方法总结

np.array()	#从python列表创建数组
np.zeros()	#创建值全为0的数组
np.ones()	#创建值全为1的数组
np.full()	#创建值全为指定值的数组
np.arange()		#创建线性序列数组
np.linspace()	#创建等差数列数组
np.random.random()	#创建值服从0-1均匀分布的随机数组
np.random.normal()	#创建值服从正态分布的随机数组
np.random.randint()	#给定区间内创建值为整形的随机数组
np.eye()	#创建单位矩阵
np.empty()	#创建未初始化的整型数组

具体实例

np.array()

#从列表创建整形数组
a=np.array([0,1,2,3,4,5])	
#数组中类型必须统一,否则将被强制向上转换(与第一个元素同类型)
b=np.array([3.14,6,4,8])	
#创建指定数据类型数组
c=np.array([0
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值