Loan Database

当人们开始使用 NLP（自然语言处理）等工具时，Python 是最合适的编程语言。最初，人们开始使用默认的 Python 列表进行 NLP 工作。然而，随着时间的推移，大多数人都转向了 NumPy 矩阵。

，因为当您开始使用更多数据 科特迪瓦手机号码列表 的大型实验时，默认的 Python 列表就不够用了。Python 列表不适合优化空间，并且会占用太多 RAM。这就是 NumPy 矩阵的作用所在。

什么是 NumPy 矩阵？
NumPy 代表 Numerical Python。它是一个 Python 包，构成了科学计算的核心库。NumPy 矩阵包含一个 n 维数组对象，该对象非常强大，允许集成 C 和 C++。

NumPy 矩阵还用于线性代数和随机数功能等领域。NumPy 还被广泛用作通用数据的多维容器。这里有一个介绍 NumPy 矩阵基础知识的视频。

Python NumPy 教程 | NumPy 数组 | 面向初学者的 Python 教程 | Python 培训 | Edureka
如何安装 NumPy？
您需要转到命令提示符并输入“pip install NumPy”。这将开始安装过程。安装完成后，您可以转到 IDE（集成开发环境），例如 PyCharm，然后只需输入“import NumPy as Np”即可导入 NumPy。

什么是 NumPy 数组？
要理解 Python NumPy 矩阵，我们首先需要理解多维 NumPy 数组。NumPy 数组被称为二维数组，因为它既有行又有列。下面的示例显示了一个有 3 列和 4 行的 NumPy 矩阵。

Numpy 矩阵源 - cloudfront
什么是多维数组？
以下是如何在 PyCharm 等 IDE 中实现 Python 数组。

一维 NumPy 数组：
1

2

3

将 NumPy 导入为 np

a=np.数组（[1,2,3]）

打印（a）

输出 - [1 2 3]

多维数组：
1

2

a=np.array([(1,2,3),(4,5,6)])

打印（a）

输出 – [[ 1 2 3] [4 5 6]]

Python NumPy 矩阵与 Python 列表
这就是为什么对于更复杂的操作，NumPy 矩阵比Python 数据列表更受欢迎的原因。

（i）NumPy 矩阵比列表消耗的内存少得多。这使其成为更大规模实验的更好选择。

(ii) 在执行方面，NumPy 比列表快得多。

(iii) NumPy 的设计方式也使其在长期使用中更加方便。