每天解锁一个python小知识_numpy简介

摘要：每天解锁一个Python小知识，今天来认识的是NumPy。如果你正在使用Python进行数据分析、科学计算及人工智能开发，那么你一定听说过NumPy--Python内置的数据结构如List非常灵活，为什么还要使用NumPy？岂不是多此一举？

每天解锁一个Python小知识。

每天解锁一个Python小知识，今天来认识的是NumPy。如果你正在使用Python进行数据分析、科学计算及人工智能开发，那么你一定听说过NumPy--Python内置的数据结构如List非常灵活，为什么还要使用NumPy？岂不是多此一举？

这里我们来看一个实例，注意看这两段代码分别用Python原生列表NumPy创建了500万个数字并进行乘以2的运算。我们来看一下其运算效率，xtimeit num原生列表完成一次循环平均需要131毫秒，而NumPy则仅需9.14毫秒，性能效率差距巨大。

所以NumPy的诞生正是为了解决Python原生数据结构在处理大型数据集时的性能问题。而在数据科学分析领域以及当前的AI运算中，刚刚500万个元素的运算连门槛都达不到，没有NumPy可想而知，Python在大型数据集的运算上有多困难，Python也不可能成为AI领域炙手可热的语言。

NumPy之所以能有这么高的运算效率，主要是由于其底层由C语言来完成，避免了解释器开销，改变了内存布局。这里不做原理的深究，我们只需要知道NumPy赋予了Python在数据科学领域独特的魅力。

相对于原生列表，运算速度可提升100倍，内存效率更高，向量化运算、广播功能等让其在数据分析和处理AI机器学习、图像处理、金融建模等领域无处不在。实际上，现在主流的数据科学库如Pandas、Scikit_learn PyTorch等都建立在NumberPy之上。可以说，NumPy是Python数据科学生态系统的核心基础。