1.5 KiB
1.5 KiB
id, title, challengeType, videoId, bilibiliIds, dashedName
| id | title | challengeType | videoId | bilibiliIds | dashedName | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 5e9a093a74c4063ca6f7c157 | Numpy 代數和大小 | 11 | XAT97YLOKD8 |
|
numpy-algebra-and-size |
--description--
在視頻中我們使用的編輯器工具是在 notebook.ai 這個平臺，你也可以選擇用其他的平臺，比如說 Google Colab 也是一個不錯的選擇。
以下有更多的資料：
--question--
--text--
內存中，對象的大小（例如列表和數據類型）在 Python 標準庫和 NumPy 庫之間有什麼關係？ 知道這一點，對性能有何影響？
--answers--
標準的 Python 對象佔用了比 NumPy 對象更多的內存；標準的 Python 和 NumPy 對象完成的操作時間是大致相同的。
Numpy 對象比標準的 Python 對象佔用更多的內存；Numpy 的對象相比較標準的 Python 更快地完成操作。
Numpy 對象比標準的 Python 對象佔用更少的內存；標準 Python 的對象相比較 Numpy 的對象更快地完成操作。
標準 Python 的對象比 Numpy 的對象佔用更多的內存；Numpy 的對象相比較標準 Python 的對象更快地完成操作。
--video-solution--
4