安装自行解决

##为什么使用NumPy

文件 vectorSumCompare.py

#!/usr/bin/envpython#-*-coding:utf-8-*-__author__='teng'importsysfromdatetimeimportdatetimeimportnumpyasnpdefnumpysum(n):a=np.arange(n)**2b=np.arange(n)**3c=a+breturncdefpythonsum(n):a=range(n)b=range(n)c=[]foriinrange(len(a)):a[i]=i**2b[i]=i**3c.append(a[i]+b[i])returncsize=int(sys.argv[1])start=datetime.now()c=pythonsum(size)print"pythonsum:",cdelta=datetime.now()-startprint"Thelast2elementsofthesum",c[-2:]print"PythonSumelapsedtimeinmicroseconds",delta.microsecondsstart=datetime.now()c=numpysum(size)print"numpysum:",cdelta=datetime.now()-startprint"Thelast2elementsofthesum",c[-2:]print"NumPySumelapsedtimeinmicroseconds",delta.microseconds

运行以上脚本 如pythonvectorSumCompare.py 10000

Numpy的优点

简单

数据量大的时候 速度快

##NumPy数组对象

调试方法shape 返回一个tuple 元组中的元素为NumPy数组每一个维度上的大小

arange 一维数组

In [15]: m = np.array([np.arange(2), np.arange(2)])

In [16]: m

Out[16]: array([[0, 1],[0, 1]])

In [17]: m.shape

Out[17]: (2, 2)

ndarray是一个多维数组对象：

分为两个部分 实际数据和描述这些数据的元数据