安装自行解决

##为什么使用NumPy

文件 vectorSumCompare.py

#!/usr/bin/env python# -*- coding:utf-8 -*-__author__ = 'teng'import sysfrom datetime import datetimeimport numpy as npdef numpysum(n):    a = np.arange(n)**2    b = np.arange(n)**3    c = a+b    return cdef pythonsum(n):    a = range(n)    b = range(n)    c = []    for i in range(len(a)):        a[i] = i**2        b[i] = i**3        c.append(a[i]+ b[i])    return csize = int(sys.argv[1])start = datetime.now()c = pythonsum(size)print "pythonsum:", cdelta = datetime.now() - startprint "The last 2 elements of the sum", c[-2:]print "PythonSum elapsed time in microseconds", delta.microsecondsstart = datetime.now()c = numpysum(size)print "numpysum:", cdelta = datetime.now() - startprint "The last 2 elements of the sum", c[-2:]print "NumPySum elapsed time in microseconds", delta.microseconds

运行以上脚本 如python vectorSumCompare.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