---
id: 5e9a093a74c4063ca6f7c157
title: 'Numpy: алгебра і розміри'
challengeType: 11
videoId: XAT97YLOKD8
bilibiliIds:
  aid: 250621433
  bvid: BV1hv41137uM
  cid: 409013128
dashedName: numpy-algebra-and-size
---

# --description--

*Замість використаного у відеоматеріалі notebooks.ai можна користуватись блокнотом Google Colab.*

Додаткові ресурси:

-  <a href="https://github.com/ine-rmotr-curriculum/freecodecamp-intro-to-numpy" target="_blank" rel="noopener noreferrer nofollow">Блокноти на GitHub</a>
-  <a href="https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb" target="_blank" rel="noopener noreferrer nofollow">Як відкрити блокноти з GitHub, використовуючи Google Colab.</a>

# --question--

## --text--

Яким є співвідношення між розмірами об’єктів (як-от масивів чи інших типів даних) у пам’яті звичайної бібліотеки Python та бібліотеці NumPy? Враховуючи це, якими є наслідки для виконання програми?

## --answers--

Стандартні об’єкти Python займають значно більше пам’яті ніж об’єкти NumPy; порівняльні операції між об’єктами Python та NumPy виконуються приблизно в один і той же час.

---

Об’єкти NumPy займають значно більше пам’яті ніж стандартні об’єкти Python; операції з об’єктами NumPy виконуються дуже швидко у порівнянні зі стандартними об’єктами Python.

---

Об’єкти NumPy займають значно менше пам’яті ніж стандартні об’єкти Python; операції з стандартними об’єктами Python виконуються дуже швидко у порівнянні з об’єктами NumPy.

---

Стандартні об’єкти Python займають більше пам’яті ніж об’єкти NumPy; операції із об’єктами NumPy виконуються дуже швидко у порівнянні із стандартними об’єктами Python.

## --video-solution--

4