Tafsiran kemas kini versi numpy: ciri baharu dan prestasi yang dipertingkatkan

Dengan pembangunan berterusan sains data dan pembelajaran mendalam, Python, sebagai salah satu bahasa pengaturcaraan arus perdana, perpustakaan pengkomputeran saintifiknya numpy juga sentiasa berinovasi. Baru-baru ini, numpy telah mengeluarkan versi baharu yang mengandungi beberapa ciri baharu dan peningkatan prestasi. Dalam siaran ini, kami akan mendalami versi baharu numpy dan memperkenalkan beberapa ciri dan penambahbaikan pentingnya.

1. penambahbaikan fungsi shuffle

Sebelum numpy 1.17.0, fungsi shuffle akan menyusun semula elemen tatasusunan dalam susunan rawak. Walau bagaimanapun, kerana pelaksanaan fungsi shuffle adalah berbeza daripada algoritma rawak standard, ia mungkin menjejaskan prestasi dalam keadaan tertentu. Dalam numpy 1.17.0, fungsi shuffle telah dikemas kini untuk menggunakan algoritma rawak baharu, meningkatkan prestasi dan rawaknya.

Berikut ialah contoh kod yang menunjukkan cara menggunakan fungsi shuffle dalam numpy 1.17.0:

import numpy as np

# 创建一个有序数组
arr = np.arange(10)

# 将数组随机排序
np.random.shuffle(arr)

print(arr)

Hasil keluaran:

[2 6 5 7 0 9 3 1 4 8]

2. Kaedah baru penyahduplikasi tatasusunan

Kaedah penyahduplikasian numpy versi 1.13.0 baharu unik boleh mengendalikan pendua dengan lebih cepat dan lebih mudah. Dalam versi sebelumnya, numpy menggunakan fungsi isihan untuk mengisih tatasusunan sebelum mengalih keluar pendua. Walau bagaimanapun, pendekatan ini boleh menyebabkan kemerosotan prestasi apabila berurusan dengan tatasusunan yang besar. Dalam numpy 1.13.0, fungsi unik menggunakan algoritma jadual cincang, yang mempunyai prestasi yang lebih baik apabila mengendalikan pendua.

Berikut ialah contoh kod yang menunjukkan cara menggunakan fungsi unik dalam numpy 1.13.0:

import numpy as np

# 创建一个有重复项的数组
arr = np.array([1, 2, 3, 2, 4, 1, 5, 6, 4])

# 去掉数组中的重复项
arr = np.unique(arr)

print(arr)

Hasil keluaran:

[1 2 3 4 5 6]

3. Kaedah baharu penugasan tatasusunan

Numpy 1.16.0 versi penugasan versi baharu at boleh mengubah suai elemen tatasusunan dengan lebih pantas dan lebih langsung. Dalam versi sebelumnya, numpy menggunakan gelung untuk pengubahsuaian tatasusunan, yang mengakibatkan kemerosotan prestasi. Dalam numpy 1.16.0, fungsi at dilaksanakan dalam kod C dan mempunyai prestasi yang lebih tinggi.

Berikut ialah contoh kod yang menunjukkan cara menggunakan fungsi at dalam numpy 1.16.0:

import numpy as np

# 创建一个3x3的数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 使用at函数修改数组元素
np.add.at(arr, [0, 1, 2], 1)

print(arr)

Hasil keluaran:

[[ 2  3  4]
 [ 5  6  7]
 [ 8  9 10]]

4. Kaedah pengiraan tatasusunan baharu

Numpy 1.14.0 versi komputasi baharu termasuk matmul, einsum dan tensordot. Kaedah ini memudahkan untuk melaksanakan tugas seperti pengiraan matriks dan pengiraan tensor. Dalam versi sebelumnya, numpy memerlukan penggunaan pelbagai fungsi untuk menyelesaikan tugasan ini, tetapi kaedah baharu menjadikannya lebih pantas dan mudah.

Berikut ialah contoh kod yang menunjukkan cara menggunakan fungsi matmul untuk pengiraan matriks dalam numpy 1.14.0:

import numpy as np

# 创建两个矩阵
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

# 使用matmul函数计算矩阵积
c = np.matmul(a, b)

print(c)

Hasil keluaran:

[[19 22]
 [43 50]]

5. Peningkatan prestasi

Sebagai tambahan kepada ciri baharu di atas, versi numpy juga Mengandungi beberapa peningkatan prestasi. Antaranya, penambahbaikan yang paling ketara adalah dalam salinan tatasusunan dan paparan tatasusunan. Dalam versi sebelumnya, numpy memerlukan operasi salinan tambahan untuk mencipta paparan tatasusunan, mengakibatkan kemerosotan prestasi. Dalam versi terkini, numpy telah meningkatkan prestasi dengan menggunakan kaedah yang lebih pantas untuk mencipta paparan tatasusunan. Di samping itu, numpy juga telah mengoptimumkan operasi transpose, fungsi in1d dan fungsi isihan, dsb., dan juga telah mencapai peningkatan prestasi yang baik.

Ringkasnya, versi baharu numpy mengandungi beberapa ciri baharu yang penting dan peningkatan prestasi, yang menjadikan numpy lebih mudah dan cekap. Jika anda perlu mengendalikan tatasusunan yang besar atau melaksanakan tugasan sains data dan pembelajaran mendalam, maka pastikan anda menaik taraf kepada versi terkini numpy untuk prestasi dan kefungsian yang lebih baik.

Atas ialah kandungan terperinci Tafsiran kemas kini versi numpy: ciri baharu dan prestasi yang dipertingkatkan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!