在上一期python numpy 模塊中對概述介紹了numpy 模塊安裝、使用方法、特點等入門知識。

• numpy 模塊是一個開源的第三方Python庫，常用于科學(xué)和工程領(lǐng)域，是科學(xué)Python和PyData 生態(tài)系統(tǒng)的核心。
• numpy 模塊易學(xué)易用的特點，基本上覆蓋了初學(xué)者到先進科學(xué)研究員的所有人群。
• numpy 模塊除了在matplotlib上應(yīng)用，它還在Pandas、Scipy、scikit-learn等科學(xué)Python中。
• numpy 模塊也包含多維數(shù)組和矩陣數(shù)據(jù)結(jié)構(gòu)，它專門提供了具有n維數(shù)組對象的ndarray,以及對其進行有效操作的方法。
• numpy 模塊也可用于對數(shù)組執(zhí)行各種數(shù)學(xué)運算，提供高級數(shù)學(xué)函數(shù)庫，以及數(shù)組和矩陣的操作。

眾所周知，numpy 模塊中數(shù)組對象是其核心功能，我們本期重點來學(xué)習(xí)numpy 數(shù)組相關(guān)內(nèi)容，

1. 什么是 ndarray？

ndarray 概念

數(shù)組是numpy 模塊核心數(shù)據(jù)結(jié)構(gòu)。數(shù)組是值的網(wǎng)絡(luò)，它的內(nèi)部包含有原始數(shù)據(jù)、如何定義元素以及如何解釋元素的信息。我們可以使用各種方式索引元素網(wǎng)格。

ndarray 是 numpy 模塊中定義 n維數(shù)組類型。ndarray 可以描述同種類型project的集合。

• 同種數(shù)據(jù)類型：numpy 數(shù)組中的所有元素都是同種類類型，如int32，float64等
• 同大小內(nèi)存空間：每個project占用相同大小內(nèi)存塊
• 同方式解釋：每個project由object數(shù)據(jù)類型指定，，其中一個與每個數(shù)組相關(guān)聯(lián)
• 可以N個整數(shù)對project進行索引

ndarray 內(nèi)部關(guān)系

從數(shù)組中我們可以提取python對象表示的如索引是numpy 內(nèi)置數(shù)組標量類型之一，我們可以通過使用數(shù)組標量來輕松操作復(fù)雜的數(shù)據(jù)排列。

通過以上ndarray 內(nèi)部結(jié)構(gòu)，我們可以看到 ndarray 主要由 dtype、shape、stride組成

• ndarray 指向內(nèi)存映射地址的指針-data對象
• ndarray 元素解釋形象-dtype對象
• ndarray 每個維度的元素之間的間隔-strides對象（tuple）
• ndarray 對每個維度的數(shù)量和大小的描述-shape對象（tuple）

以上四個python對象就可以在ndarray 中通過索引的方式找到指定位置的數(shù)據(jù)。

同時我們也調(diào)用np.array().flags 獲取字節(jié)序、讀寫權(quán)限等信息，可知ndarray 底層是C和Fortran 實現(xiàn)的。

? C_CONTIGUOUS : True
? F_CONTIGUOUS : False
? OWNDATA : True
? WRITEABLE : True
? ALIGNED : True
? WRITEBACKIFCOPY : False
? UPDATEIFCOPY : False

2. ndarray 內(nèi)存結(jié)構(gòu)

ndarray 內(nèi)存結(jié)構(gòu)

我們通過numpy.array 方法創(chuàng)建一個2維數(shù)組

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

import numpy as np

a = np.array([[1,2],[4,5],[7,8]])

print("dim:",a.ndim)
print("strides:",a.strides)
print("dtype:",a.dtype)
print("data:",a.data)
print("shape:",a.shape)
print(a)

通過array對象調(diào)用ndarray 標量對象，可以獲知ndarray 維度大小、元素類型、間隔等信息

通過上述圖，我們可以知道 ndarray 內(nèi)存主要劃分為兩部分：

• raw data： 計算機一段連續(xù)的block，存儲在C或者Fortran中的數(shù)組
• metdata：有關(guān)原始數(shù)組數(shù)據(jù)的信息

3. ndarray vs list

ndarray 特點

• ndarray 要求所有數(shù)據(jù)都是同種類型的
• 每個數(shù)據(jù)占用空間一樣
• 數(shù)組中存儲的數(shù)據(jù)是一段連續(xù)的空間

list 特點

• 可以容納不同數(shù)據(jù)類型
• list 中只存放對象的引用，再通過引用找到具體的對象
• 對象的物理地址并不是連續(xù)的

所以，綜上所述，ndarray 查找數(shù)據(jù)運行效率比list快，同時ndarray 存儲的數(shù)據(jù)是連續(xù)的一段空間，對比list 對象物理地址分散的，ndarray 比 list 更省空間。

總結(jié)：

本期對numpy 模塊核心之一的ndarray 數(shù)組對象內(nèi)存原理、與python list對比等知識學(xué)習(xí)。

ndarray 里的所有的project元素都是同類型數(shù)據(jù)，并且存儲空間是連續(xù)的。

不管查找數(shù)據(jù)，還是存儲數(shù)據(jù)，數(shù)據(jù)計算等功能，都明顯優(yōu)于Python list。

到此這篇關(guān)于Python numpy中的ndarray介紹的文章就介紹到這了,更多相關(guān)Python numpy-ndarray內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論