Python大數據為啥一定要用Numpy Array?

Numpy 是Python科學計算的一個核心模組。它提供了非常有效率的數組對象，以及用於處理這些數組對象的工具。一個Numpy數組由許多值組成，所有值的類型是相同的。

Python的核心庫提供了 List 清單。清單是最常見的Python資料類型之一，它可以調整大小並且包含不同類型的元素，非常方便。

那麼List和Numpy Array到底有什麼差別？為什麼我們需要在大數據處理的時候使用Numpy Array？答案是性能。

Numpy資料結構在以下方面表現較好：

1.記憶體大小—Numpy資料結構所佔用的記憶體較小。

2.效能—Numpy底層是用C語言實現的，比列表更快。

3.運算方法—內建最佳化了代數運算等方法。

下面分別講解在大數據處理時，Numpy陣列相對於List的優勢。

1.記憶體佔用更小

適當地使用Numpy陣列取代List，你能讓你的記憶體佔用降低20倍。

對於Python原生的List列表，由於每次新增對象，都需要8個位元組來引用新對象，新的對象本身佔28個位元組（以整數為例）。所以列表list 的大小可以用以下公式計算：

64 8 * len(lst) len(lst) * 28 位元組

而使用Numpy ，就能減少非常多的空間佔用。例如長度為n的Numpy整形Array，它需要：

96 len(a) * 8 位元組

可見，陣列越大，你省的記憶體空間越多。假設你的陣列有10億個元素，那麼這個記憶體佔用大小的差距會是GB等級的。

2.速度更快、內建運算方法

運行下面這個腳本，同樣是產生某個維度的兩個陣列並相加，你就能看到原生List和Numpy Array的性能差距。

import time
import numpy as np
size_of_vec = 1000
def pure_python_version():
t1 = time.time()
X = range(size_of_vec)
Y = range(size_of_vec)
Z = [X[i] + Y[i] for i in range(len(X)) ]
return time.time() - t1
def numpy_version():
t1 = time.time()
X = np.arange(size_of_vec)
Y = np.arange(size_of_vec)
Z = X + Y
return time.time() - t1
t1 = pure_python_version()
t2 = numpy_version()
print(t1, t2)
print("Numpy is in this example " + str(t1/t2) + " faster!")

結果如下：

0.00048732757568359375 0.0002491474151611328
Numpy is in this example 1.955980861244019 faster!

可以看到，Numpy比原生陣列快1.95倍。

如果你細心的話，還能發現，Numpy array可以直接執行加法操作。而原生的陣列是做不到這一點的，這就是Numpy 運算方法的優勢。

我們再做幾次重複試驗，以證明這個效能優勢是持久性的。

import numpy as np
from timeit import Timer
size_of_vec = 1000
X_list = range(size_of_vec)
Y_list = range(size_of_vec)
X = np.arange(size_of_vec)
Y = np.arange(size_of_vec)
def pure_python_version():
Z = [X_list[i] + Y_list[i] for i in range(len(X_list)) ]
def numpy_version():
Z = X + Y
timer_obj1 = Timer("pure_python_version()",
 "from __main__ import pure_python_version")
timer_obj2 = Timer("numpy_version()",
 "from __main__ import numpy_version")
print(timer_obj1.timeit(10))
print(timer_obj2.timeit(10)) # Runs Faster!
print(timer_obj1.repeat(repeat=3, number=10))
print(timer_obj2.repeat(repeat=3, number=10)) # repeat to prove it!

結果如下：

0.0029753120616078377
0.00014940369874238968
[0.002683573868125677, 0.002754641231149435, 0.002803879790008068]
[6.536301225423813e-05, 2.9387418180704117e-05, 2.9171351343393326e-05]

可以看到，第二個輸出的時間總是小得多，這證明了這個效能優勢是具有持久性的。

所以，如果你在做一些大數據研究，像是金融數據、股票數據的研究，使用Numpy能夠節省你不少記憶體空間，並擁有更強大的效能。

參考文獻：https://www.php.cn/link/5cce25ff8c3ce169488fe6c6f1ad3c97

#我們的文章到此就結束啦，如果你喜歡今天的Python 實戰教程，請持續關注我們。

以上是Python大數據為啥一定要用Numpy Array?的詳細內容。更多資訊請關注PHP中文網其他相關文章！