從圖中我們可以看出ndarray在存儲數(shù)據(jù)的時候，數(shù)據(jù)與數(shù)據(jù)的地址都是連續(xù)的，這樣就給使得批量操作數(shù)組元素時速度更快。

這是因為ndarray中的所有元素的類型都是相同的，而Python列表中的元素類型是任意的，所以ndarray在存儲元素時內(nèi)存可以連續(xù)，而python原生list就只能通過尋址方式找到下一個元素，這雖然也導(dǎo)致了在通用性能方面Numpy的ndarray不及Python原生list，但在科學(xué)計算中，Numpy的ndarray就可以省掉很多循環(huán)語句，代碼使用方面比Python原生list簡單的多。

·ndarray支持并行化運(yùn)算(向量化運(yùn)算)

·效率遠(yuǎn)高于純Python代碼

Numpy底層使用C語言編寫，內(nèi)部解除了GIL(全局解釋器鎖)，其對數(shù)組的操作速度不受Python解釋器的限制，所以，其效率遠(yuǎn)高于純Python代碼。


猜你喜歡

如何理解HOG特征?

圖像的角點(diǎn)是什么?

SIFT/SUR的特征提取方法是如何保持尺度不變性的?

為什么要學(xué)習(xí)人工智能?

下面是黑馬程序員公開的幾套人工智能視頻教程，如果感興趣可以下載學(xué)習(xí)。