numpy›前言›numpy 前言
numpy 前言
一个 ndarray 只有三样东西:一块连续的内存、一个形状、一个 dtype。 别的都在这一层之上。
它是干什么的
把一整片数交给编译好的 C 代码去算,而不是让 Python 一个个遍历。 100 万个 float,存成列表是 100 万个对象(每个 24 字节)加 100 万个指针(每个 8 字节); 存成 ndarray 就是 800 万个字节,没有别的。
| 100 万个 float64 | Python 列表 | ndarray |
|---|---|---|
| 占内存 | 30.9 MB | 7.6 MB |
| 求和 | 14.1 ms | 0.99 ms |
| 类型 | 每个元素自带 | 整个数组共用一个 dtype |
它解决什么问题
循环太慢:它把循环挪进 C 层,所以 a * 2 看着没有循环,底下有一个,只不过是编译好的。
形状对不上就算不了:它给出一条能自己推的规则——从右往左逐轴比,两维长度相等、或其中一个是 1,就能算。 于是 (2, 3) 加 (3,) 直接得出 (2, 3),不用先手工复制三行。 补成 1 的那一维不占内存,所以这不是慢速的“伸展”,是告诉循环怎么走。
还有一条容易忘的:切片不复制内存。a[2:5] 只是同一个缓冲区换个头和长度, 改切片,原数组跟着变;要副本就显式写 .copy()。
什么时候会用到它
只要数据是「一串同类型的数」,底下就多半是它:pandas 的一列是一块 ndarray, PyTorch 的 tensor 和它共用同一套索引、切片、广播规则, 一张 1080×1920 的 RGB 图就是 (1080, 1920, 3) 的 uint8 数组,占 5.9 MB。
反过来,如果数据长成「带列名的表」「类型混排的记录」,硬用它就是自找麻烦——那是 pandas 的事。
这个库的课
两课:一课从头讲一遍,一课按功能查。
- numpy 入门:建数组、看形状、索引、切片与拷贝、 逐元素运算、广播、沿轴聚合(
axis=0把行压掉,axis=1把列压掉),最后一个完整的小例子。 - numpy 用法大全:16 节,从创建、随机数、索引、形状操作, 到合并拆分、数学、统计、排序、线代、文件读写、性能与常见坑,最后一节是一页速查。