Numpy 和 Scipy的比较

前段时间写了两个系列文章,分别介绍了Python中的两个重要的科学计算的库NumpyScipy

从系列的文章中,可以看出,它们都提供了强大的数值计算功能,而且很多地方看着似乎是重复的。

其实这两个库虽然密切相关,但它们各自侧重的领域是不同的。

本篇我根据自己的使用体验,对两个库进行简单的对比分析。

1. Numpy的侧重点

首先是Numpy库,我认为它是Python中最基础的数值计算库,它是很多知名的科学计算库的基础(包括Scipy,其实也是基于Numpy的)。

这个库的名称Numpy分两部分,前半部分Num就是numerical的缩写,表示它专注于数值处理;py则是Python的缩写。

Numpy最强大的地方在于它的多维数组对象(ndarray),不仅可以存储和处理大规模的数据,而且在进行数学运算时具有很高的性能。

使用Numpy进行数值计算,绝对能改变你对Python运行性能差的固有印象。

这是因为Numpy并没有直接使用Python语言原生的列表元组 等数据结构来实现它的多维数组。

而是借鉴了C/C++的方式,不仅让数组中的元素类型保持一致,存储上也是放在连续的内存块中,所以计算时的性能有飞跃提升。

除了在底层上提供了一个高效的数据结构(ndarray),还基于次结构提供了一系列数学函数,可以像操作单个数值一样进行各类数学运算,也包括复杂的矩阵计算。

总之,Numpy侧重于为我们提供一套高效的计算工具箱,只要把我们需要计算的数据映射到Numpyndarry数组,就可以高效的完成各种数学计算。

但是,Numpy本身并不与某个具体的科学领域先关联。

2. Scipy的侧重点

相比于NumpySciPy更加注重科学和工程领域的应用。

从这个库的名称SciPy也可以看出,前半部分Sci就是scientific的缩写,表示它是用于科学领域的;py则是Python的缩写。

SciPy是基于Numpy的,它利用了NumPy中高效的多维数组结构(即ndarray)和基于此结构的各种计算函数。

只不过,SciPy是按照不同的科学和工程领域,封装了不同的数学函数和算法,比如系列文章中介绍的求解线性方程组、最优化问题、信号处理等12个不同的子模块。

用个可能不太恰当的比喻来说的话,比如Numpy塑料

如果我们把塑料做成一次性的杯子和碗的话,那就可用于餐饮行业

如果我们把塑料做成风扇和空调外壳的话,那就可用于家电行业

如果我们把塑料做成儿童玩具的话,那就可用于儿童消费品行业

。。。。。。

塑料Numpy)封装成各个行业直接可用的部件 ,就是Scipy的主要功能。
Scipy针对不同的领域封装了不同的子模块,每个子模块中有对应领域最常用的函数。

3. 两者的选择

对于NumPySciPy,两者是相互依赖的,我们并不需要做出究竟选择哪一个更好的决定。

其实在大部分实际情况下,都是结合使用这两个库的。

一般都是先用Numpy来处理数据,数据处理好之后,再用Scipy中针对各个科学领域封装好的函数直接运算出结果。

例如,在数据分析 时,先利用NumPy提供的高效数据处理和数学计算功能处理数据,再用SciPy提供的更高级的科学计算工具来进行分析。

机器学习 时,先利用NumPy提供矩阵运算和线性代数功能处理数据,再用SciPy提供的更高级的优化算法和信号处理功能进行模型训练和调优。

总的来说,NumPySciPy都是Python中重要的科学计算库,它们各自侧重的领域有所不同。
NumPy专注于提供高性能的数组操作和数学函数(底层 ),

SciPy则更加注重科学和工程领域的应用(上层)。

在实际使用中,这两个库通常需要一起使用,以便充分利用它们各自的强大功能。

相关推荐
薄荷很无奈1 小时前
CuML + Cudf (RAPIDS) 加速python数据分析脚本
python·机器学习·数据分析·gpu算力
qq_436962182 小时前
AI数据分析的利器:解锁BI工具的无限潜力
人工智能·数据挖掘·数据分析·ai数据分析
lilye664 小时前
精益数据分析(24/126):聚焦第一关键指标,驱动创业成功
数据挖掘·数据分析
lilye6612 小时前
精益数据分析(20/126):解析经典数据分析框架,助力创业增长
大数据·人工智能·数据分析
橘猫云计算机设计13 小时前
springboot基于hadoop的酷狗音乐爬虫大数据分析可视化系统(源码+lw+部署文档+讲解),源码可白嫖!
数据库·hadoop·spring boot·爬虫·python·数据分析·毕业设计
云天徽上16 小时前
【数据可视化-28】2017-2025 年每月产品零售价数据可视化分析
机器学习·信息可视化·数据挖掘·数据分析·零售
databook18 小时前
『Plotly实战指南』--样式定制高级篇
python·数据分析·数据可视化
云天徽上18 小时前
【数据可视化-27】全球网络安全威胁数据可视化分析(2015-2024)
人工智能·安全·web安全·机器学习·信息可视化·数据分析
Miu(数分版)20 小时前
PowerBi中REMOVEFILTERS怎么使用?
数据分析·产品运营·powerbi
lilye6621 小时前
精益数据分析(18/126):权衡数据运用,精准把握创业方向
数据挖掘·数据分析