numpy向量运算,python矢量化运算

　　接下来，我们来学习一下向量运算的能力。

　　向量的特性可以理解为并行运算，

　　也就是说，当对一个数组执行复杂的计算时，它将在元素级工作，

　　这样Python的for循环就可以用简单的表达式代替了。

　　首先，我们使用NumPy的random.normalvary()生成一个平均收盘价为10元(即预期10)、振幅为1元(即标准差为1)、样本数为1000的正态分布随机数组，如下所示：

　　stock _ data=NP . random . normal(loc=10.0，scale=1.0，size=1000)print( stock _ data:\ n { })。格式(stock_data))“”股票_数据：[10.78547256 9.76528172 9.22565856865 839 9.888375 121 8.8213 4049 10.358703 4856 10.107757 . 96676由于矢量运算的能力，这里只用一行代码就可以实现，如下所示：

　　stock _ data=NP . around(stock _ data，2) #保留两位小数print (stock _ data: \ n {})。格式(股票_数据))“”股票_数据：[11.97 9.34 12.14 11.28 11.7 8.65 8.81 8.63 11.93 9.48 8.93 9.83 10.54 9.38 10.93 9.09 10.4 9.88 10.35 11.67 7 7.97 12.19 10.1 11.22 9.85 1 0.95 1.10.02 9.27 11.2 9.4 9.83 8.99]“‘还有别的办法吗

　　Np.roll()是循环右移。

　　第一个值需要设置为无效值np.nan

　　np.roll(股票数据，1)

　　NumPy中的ndarray类可以更简洁一些。

　　向量算术运算，并且在处理多维大规模数组时速度快，节省空间。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。