本文深入探讨了Numpy库中的ndarray与Python标准列表在内存使用、计算效率及资源利用上的显著区别。Numpy通过连续内存存储和矢量化指令，实现高效的数据处理和数学运算，同时介绍了ufunc对象的功能及其在数组操作中的应用。
知识清单：
杂：
- python中list中得元素可以是任意值，python中list元素在系统内是分散存储得，而Numpy数组存储在一个均匀连续得内存块中，数组计算遍历所有的额元素，而list还需要对内存地址进行查找，可以节省计算资源，
- 在内存访问模式里面，缓存会把字节块从RAM加载到CPU寄存器中，因为数据连续的存储在内存中，Numpy可以直接利用现在的CPU得矢量化指令计算，加载寄存器中得多个连续得浮点数。并且Numpy也可以采用多线程的方式，充分利用多核CPU计算资源大大提高计算效率。
- 提高内存和计算资源得利用率：避免采用隐式拷贝，而是采用就地操作得方式。
NUmpy：
- 对象：
-
ndarray(N-dimensional array object)用于解决多维数组得问题
-
ufunc（universal function object）则是解决对数组进行处理得函数。
- 结构数组：
- dtype定义的结构数组
- np.shape：查看数组的个数； np.dtype是查看元素的类型
- ufunc运算：arange()函数和linspace都可用来创建等差数组
- 算术运算：
- 统计函数：
- NumPy排序：默认是采用快速排序sort(a, axis=-1, kind = 'quicksort', order = None)也可采用mergesort,heapsort等合并排序和堆排序
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
