File tree Expand file tree Collapse file tree 2 files changed +39
-12
lines changed Expand file tree Collapse file tree 2 files changed +39
-12
lines changed Original file line number Diff line number Diff line change 1
1
## NumPy的应用
2
2
3
- Numpy是一个开源的Python科学计算库,** 用于快速处理任意维度的数组** 。Numpy** 支持常见的数组和矩阵操作** ,对于同样的数值计算任务,使用NumPy比直接使用Python不仅代码要简洁的多,而且NumPy在性能上远远优于原生Python,基本是1到2个数量级的差距,数据量越大 ,NumPy的优势就越明显。
3
+ Numpy是一个开源的Python科学计算库,** 用于快速处理任意维度的数组** 。Numpy** 支持常见的数组和矩阵操作** ,对于同样的数值计算任务,使用NumPy不仅代码要简洁的多,而且NumPy的性能远远优于原生Python,基本是1个到2个数量级的差距,而且数据量越大 ,NumPy的优势就越明显。
4
4
5
- Numpy最为核心的数据类型是` ndarray ` ,使用` ndarray ` 可以处理一维、二维和多维数组,该对象相当于是一个快速而灵活的大数据容器。NumPy底层代码使用C语言编写,解决了GIL的限制,` ndarray ` 在存储数据的时候,数据与数据的地址都是连续的,这样就给使得批量操作数组元素时速度很快,远远优于Python中的` list ` ;另一方面` ndarray ` 对象提供了更多的方法来处理数据,尤其是和统计相关的方法,这些方法也是原生的` list ` 没有的。
5
+ Numpy最为核心的数据类型是` ndarray ` ,使用` ndarray ` 可以处理一维、二维和多维数组,该对象相当于是一个快速而灵活的大数据容器。NumPy底层代码使用C语言编写,解决了GIL的限制,` ndarray ` 在存储数据的时候,数据与数据的地址都是连续的,这样就给使得批量操作速度很快,远远优于Python中的` list ` ;另一方面` ndarray ` 对象提供了更多的方法来处理数据,尤其是和统计相关的方法,这些方法也是Python原生的` list ` 没有的。
6
+
7
+ ### 安装和导入NumPy
8
+
9
+ 1 . 安装
10
+
11
+ ``` Bash
12
+ pip install numpy
13
+ ```
14
+
15
+ 2. 导入
16
+
17
+ ` ` ` Python
18
+ import numpy as np
19
+ ` ` `
20
+
21
+ > ** 说明** :如果已经启动了Notebook但尚未安装NumPy,可以在单元格中输入` ! pip install numpy ` 并运行该单元格来安装NumPy,安装成功后记得重启Notebook内核来使新安装的库生效。
6
22
7
23
# ## 创建数组对象
8
24
@@ -19,25 +35,32 @@ Numpy最为核心的数据类型是`ndarray`,使用`ndarray`可以处理一维
19
35
- 方法五:通过numpy.random模块的函数生成随机数创建数组对象
20
36
3. 多维数组:跟上面的情况相似,可以通过下面的例子进行了解。
21
37
22
- ### 数组对象基本属性
38
+ # ## 数组对象的属性
23
39
24
- 1 . size属性:元素个数
25
- 2 . shape属性:数组的形状
26
- 3 . dtype属性:元素的数据类型
27
- 4 . ndim属性:数组的维度
40
+ 1. size属性:数组元素个数
41
+ 2. itemsize属性:数组单个元素占用内存空间的字节数
42
+ 3. shape属性:数组的形状
43
+ 4. dtype属性:数组元素的数据类型
44
+ 5. ndim属性:数组的维度
45
+ 6. flat属性:数组(一维化之后)元素的迭代器
46
+ 7. nbytes属性:数组所有元素占用内存空间的字节数
47
+ 8. base属性:数组的基对象(如果数组共享了其他数组的内存空间)
28
48
29
- ### 数组对象常用方法
49
+ # ## 数组对象的方法
30
50
51
+ # ### 常用方法
31
52
53
+ # ### 统计方法
32
54
33
- ### 数组的运算
55
+ # ###其他方法
34
56
35
- 1 . 标量运算
36
- 2 . 矢量运算
57
+ # ## 数组的运算
37
58
38
- ### 数组的其他操作
59
+ # ### 标量运算
39
60
61
+ # ### 矢量运算
40
62
63
+ # ### 广播机制
41
64
42
65
# ## 矩阵运算
43
66
Original file line number Diff line number Diff line change @@ -14,6 +14,10 @@ Pandas核心的数据类型是`Series`、`DataFrame`,分别用于处理一维
14
14
15
15
16
16
17
+ #### 绘制图表
18
+
19
+
20
+
17
21
#### Index的使用
18
22
19
23
You can’t perform that action at this time.
0 commit comments