1.6 KiB
id, title, challengeType, videoId, bilibiliIds, dashedName
| id | title | challengeType | videoId | bilibiliIds | dashedName | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 5e9a093a74c4063ca6f7c157 | NumPy Álgebra y tamaño | 11 | XAT97YLOKD8 |
|
numpy-algebra-and-size |
--description--
En vez de usar notebooks.ai como aparece en el video, puedes usar Google Colab.
Más recursos:
--question--
--text--
¿Cuál es la relación entre el tamaño de los objetos (como listas y tipos de datos) en la memoria de la biblioteca estándar de Python y la biblioteca NumPy? Sabiendo esto, ¿cuáles son las implicaciones para el rendimiento?
--answers--
Objetos estándar de Python ocupan mucha más memoria que los objetos de NumPy; operaciones comprables en Python estándar y objectos de NumPy se completan en casi el mismo tiempo.
Los objectos de NumPy toman mucha más memoria que los de Python estándar; las operaciones con objectos de NumPy se terminan muy rápido comparadas con las de los objetos de Python estándar.
Los objetos de NumPy tomas mucha menos memoria que los de Python Estándar; las operaciones en Python Estándar se completan muy rápido comparando con objetos similares en NumPy.
Los objetos de Python Estándar toman más memoria que los de NumPy; operaciones con objetos de Numpy se terminan rápidamente comparando con objetos de Python Estándar.
--video-solution--
4