Python处理大型数组的计算——百倍性能加速

最新推荐文章于 2024-10-10 23:15:20 发布

Amos H

最新推荐文章于 2024-10-10 23:15:20 发布

阅读量7.6k

点赞数 5

CC 4.0 BY-SA版权

分类专栏： Python

本文链接：https://blog.csdn.net/qq_35499060/article/details/82022155

对于任何设计数组的计算密集型任务，请使用NumPy库。

NumPy库的主要特性是为Python提供了数组对象，比标准Python的列表有着更好的性能表现，更加适合用做数学计算。

先展示一下对于基本的运算符，标准列表和NumPy的数组的差异如何

1>标准列表

>>> #Python lists
>>> x = [1, 2, 3, 4]
>>> y = [5, 6, 7, 8]
>>> x * 2
[1, 2, 3, 4, 1, 2, 3, 4]
>>> x + 10
Traceback (most recent call last):
  File "<pyshell#4>", line 1, in <module>
    x + 10
TypeError: can only concatenate list (not "int") to list
>>> x + y
[1, 2, 3, 4, 5, 6, 7, 8]

2>NumPy的数组

>>> #NumPy arrays
>>> import numpy as np
>>> ax = np.array([1, 2, 3, 4])
>>> ay = np.array([5, 6, 7, 8])
>>> ax * 2
array([2, 4, 6, 8])
>>> ax + 10
array([11, 12, 13, 14])
>>> ax + ay
array([ 6,  8, 10, 12])
>>> ax * ay
array([ 5, 12, 21, 32])

可以看