NumPy介绍

最近因为需要使用python做一个数据处理的项目，所以粗略的学习了一下numpy，在此分享一下自己学习中遇到的一些问题和一些基础的名词。

什么是NumPy?

python用于科学计算的基础包。提供多维数组对象，各类派生对象，用于数组快速操作的api。

NumPy包的核心是ndarray对象。封装了python原生的同数据类型的n维数组（为了保证运行速度，其中许多操作都是代码在本地进行编译后执行的）

与原生Python Array的区别

NumPy数组在创建的时候就又固定的大小。更改ndarray的大小会创建一个新的数组并且删除原有数组。
NumPy数组中的元素需要具有相同的数据类型，因此在内存中的大小相同。
NumPy数组有利于对大量数据进行高级数学和其他类型的操作。（这些操作相比原生执行效率更高，代码更少）
NumPy为计算速度（不牺牲使用python写代码的好处前提下）提出的的解决方案：当涉及到ndarray的时候，逐个元素的操作是"默认模式"，但逐个元素的操作由预编译的c代码快速执行。NumPy的大部分功能的基础：矢量化和广播

为什么NumPy这么快?

矢量化代码更简洁，更易于阅读
更多的代码行通常意味着更少的错误
代码更接近标准的数学符号（通常，更容易正确编码数学结构）
矢量化导致产生更多"Pythonic"代码。如果没有矢量化，我们的代码就会被低效且难以阅读的for循环所困扰。

问题：向量化是什么？

答案：“向量化”（完全抽象出循环并仅描述对数组而不是元素的操作）是重写循环的过程，以便与其同时处理（例如）数组的4个元素N / 4次，而不是处理数组的单个元素N次。其本质其实很简单,就是同时进行多个计算，例子如下：

补充知识：许多CPU具有“向量”或“ SIMD”指令集，这些指令集将相同的操作同时应用于两个，四个或更多数据。（实现向量化的基础）

for (int i=0; i<16; ++i)

    C[i] = A[i] + B[i];

//展开此循环会将其转换为如下形式：

for (int i=0; i<16; i+=4) {

    C[i] = A[i] + B[i];

    C[i+1] = A[i+1] + B[i+1];

    C[i+2] = A[i+2] + B[i+2];

    C[i+3] = A[i+3] + B[i+3];

}

//另一方面，将其向量化会产生如下结果：

for (int i=0; i<16; i+=4)

    addFourThingsAtOnceAndStoreResult(&C[i], &A[i], &B[i]);

问题：广播是什么？

答案：当两个数组的形状并不相同的时候，我们可以通过扩展数组的方法来实现相加、相减、相乘等操作，这种机制叫做广播（broadcasting）。

例子：

巴特西

Numpy入门（简单）

NumPy介绍

什么是NumPy?

与原生Python Array的区别

为什么NumPy这么快?

最新文章

热门文章