1.5 KiB
1.5 KiB
id, title, challengeType, videoId, bilibiliIds, dashedName
| id | title | challengeType | videoId | bilibiliIds | dashedName | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 5e9a093a74c4063ca6f7c157 | Numpy 代数和大小 | 11 | XAT97YLOKD8 |
|
numpy-algebra-and-size |
--description--
在视频中我们使用的编辑器工具是在 notebook.ai 这个平台，你也可以选择用其他的平台，比如说 Google Colab 也是一个不错的选择。
以下有更多的资料：
--question--
--text--
内存中，对象的大小（例如列表和数据类型）在 Python 标准库和 NumPy 库之间有什么关系？ 知道这一点，对性能有何影响？
--answers--
标准的 Python 对象占用了比 NumPy 对象更多的内存；标准的 Python 和 NumPy 对象完成的操作时间是大致相同的。
Numpy 对象比标准的 Python 对象占用更多的内存；Numpy 的对象相比较标准的 Python 更快地完成操作。
Numpy 对象比标准的 Python 对象占用更少的内存；标准 Python 的对象相比较 Numpy 的对象更快地完成操作。
标准 Python 的对象比 Numpy 的对象占用更多的内存；Numpy 的对象相比较标准 Python 的对象更快地完成操作。
--video-solution--
4