知识卡片
NumPy 是生态的地基
学库的顺序应当由依赖关系决定,而不是由热度决定。NumPy 提供 ndarray 和向量化运算,比 Python 的 list 更快、更省内存,比 list-of-list 矩阵更适合数值计算,还附带大量数学函数;pandas 的 DataFrame、scikit-learn 的模型输入、matplotlib 的绘图数据都建在它上面。结果是 NumPy 的数组语义——形状、轴的方向、视图与拷贝、dtype——成为其他库的隐含前提:不熟悉轴,groupby 的聚合方向和矩阵乘法都会莫名其妙地错,且报错信息往往指向别处。所以值得先花时间在 NumPy 上,不是为了用它完成整条分析,而是为了读懂其他库在要求什么。跳过它直接学上层库,能跑通示例,但遇到形状或类型问题时缺少排查的语言。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第27章 数据科学前瞻 · 查看原书依据
NumPy(即“Numeric Python”)提供了处理“真实”科学计算的工具。它提供了比 list 向量性能更好的数组、比 list-of-list 矩阵性能更好的矩阵,以及很多利用它们来工作的数值函数。
参考来源
- 位置:《数据科学入门(第2版)》第27章 数据科学前瞻(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0031.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「NumPy(即“Numeric Python”)提供了处理“真实”科学计算的工具……」
- 原始内容:NumPy(即“Numeric Python”)提供了处理“真实”科学计算的工具。它提供了比 list 向量性能更好的数组、比 list-of-list 矩阵性能更好的矩阵,以及很多利用它们来工作的数值函数。