为什么说Python大数据处理一定要用Numpy Array?

文章预览

Numpy 是Python科学计算的一个核心模块。它提供了非常高效的数组对象，以及用于处理这些数组对象的工具。一个Numpy数组由许多值组成，所有值的类型是相同的。 Python的核心库提供了 List 列表。列表是最常见的Python数据类型之一，它可以调整大小并且包含不同类型的元素，非常方便。 那么List和Numpy Array到底有什么区别？为什么我们需要在大数据处理的时候使用Numpy Array？答案是性能。 Numpy数据结构在以下方面表现更好： 1.内存大小—Numpy数据结构占用的内存更小。 2.性能—Numpy底层是用C语言实现的，比列表更快。 3.运算方法—内置优化了代数运算等方法。 下面分别讲解在大数据处理时，Numpy数组相对于List的优势。 1.内存占用更小 适当地使用Numpy数组替代List，你能让你的内存占用降低20倍。 对于Python原生的List列表，由于每次新增对象，都需要8个字 ………………………………