Εισαγωγή στο NumPy
- Προηγούμενη Σελίδα Διαγραφή Αρχείων Python
- Επόμενη Σελίδα Εισαγωγή στο NumPy
Τι είναι το NumPy;
Το NumPy είναι μια βιβλιοθήκη Python για την επεξεργασία αριθμητικών.
Έχει επίσης λειτουργίες που δουλεύουν στη γραμμική αλγεβρά, τις μετατροπές傅立叶 και τα στοιχεία της μatrίας.
Το NumPy δημιουργήθηκε από τον Travis Oliphant το 2005. Είναι ένα ανοιχτό κώδικα έργο και μπορείτε να το χρησιμοποιήσετε ελεύθερα.
NumPy σημαίνει Αριθμητικό Python (Αριθμητικό Python).
Γιατί να χρησιμοποιούμε το NumPy;
Στο Python έχουμε λίστες που ικανοποιούν τις ανάγκες των αριθμητικών, αλλά είναι αργές στη χειρισμό.
Ο στόχος του NumPy είναι να παρέχει μια αντικειμενοποίηση που είναι 50 φορές πιο γρήγορη από τις παραδοσιακές λίστας Python.
Τα μονοπύργια του NumPy ονομάζονται ndarray
,παρέχει πολλές υποστηρικτικές συναρτήσεις, που διευκολύνουν τη χρήση ndarray
Πολύ εύκολο.
Τα μονοπύργια είναι πολύ συχνά χρήσιμα στη επιστήμη των δεδομένων, επειδή η ταχύτητα και οι πόροι είναι πολύ σημαντικοί.
Δημιουργία Επιστήμης Δεδομένων:Μια κλάση της επιστήμης των υπολογιστών που μελετά πώς να αποθηκεύεται, χρησιμοποιείται και αναλύεται δεδομένα για να εξάγει πληροφορίες από αυτά.
Γιατί το NumPy είναι πιο γρήγορο από τις λίστας;
Διαφορετικά από τις λίστας, τα μονοπύργια του NumPy αποθηκεύονται σε συνεχή θέσεις στη μνήμη, οπότε οι διεργασίες μπορούν να τις προσέγγισουν και να τις χειρίζονται πολύ αποτελεσματικά.
Αυτό το φαινόμενο ονομάζεται τοπικότητα αναφοράς στην επιστήμη των υπολογιστών.
Αυτό είναι το κύριο λόγο που το NumPy είναι πιο γρήγορο από τις λίστας. Είναι επίσης βελτιστοποιημένο για να χρησιμοποιείται με τις πιο πρόσφατες αρχιτεκτονικές CPU.
Με ποιο γλωσσάριο γράφεται το NumPy;
Το NumPy είναι μια βιβλιοθήκη Python, μέρος της οποίας γραφτεί με Python, αλλά η μεγάλη πλειοψηφία των τμημάτων που απαιτούν γρήγορη υπολογιστική είναι γραμμένα με C ή C++.
Όπου βρίσκεται το αποθετήριο κώδικα του NumPy;
Το αρχείο κώδικα του NumPy βρίσκεται σε αυτό το αποθετήριο github:https://github.com/numpy/numpy
github: Ως πολλοί άνθρωποι μπορούν να εργάζονται στον ίδιο αποθετήριο κώδικα.
- Προηγούμενη Σελίδα Διαγραφή Αρχείων Python
- Επόμενη Σελίδα Εισαγωγή στο NumPy