这样学 2 天搞定 NumPy ！
三步加星标
import numpy as np
a = np.arange(8).reshape(2,4)
a
array([[0, 1, 2, 3],
[4, 5, 6, 7]])
# 计算占用占用的字节数
a.size * a.itemsize
64数据分析工作，NumPy二维数组用的多；数据挖掘的话，高维数组用的就会更多，NumPy的强项正在于此，正所谓Python没有的NumPy有，Python有的NumPy更强。如下，创建同样shape的随机数组，Python要比NumPy慢232倍：
In[5]: %timeit np.random.randint(1,1000,(100,1000))
332 µs ± 2.39 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
]
In[6]: import random
In[6]: %timeit [random.randint(1,100) for _ in range(100) for _ in range(1000)]
77.2 ms ± 315 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
# 创建同样的(100,1000)的随机数组
# Python原生是NumPy计算耗时的232倍
In[7]: 77.2 * 1000 / 332
232.53012048192772NumPy 闪电处理速度，主要得益于操作直接发生在元素级，而 Python 会创建更多其他额外对象，数据处理性能上无法与NumPy相媲美。
正无穷在NumPy中是 np.inf，空值是 np.nan ，它们都是一个类对象。
更多知识，比如数据类型 int63, float32,...，astype类型转化，reshape函数，数组扁平操作ravel, flatten，切片和索引，按照向量的加减乘除，统计函数，等等
这本《NumPy 100页精华》PDF，拿出两三天时间，敲一遍，基本就算掌握NumPy了，需要的微信我，备注：精华
评论