摘要：
NumPy IO 操作是以文件的形式从磁盘中加载 ndarray 对象。在这个过程中，NumPy 可以两种文件类型处理 ndarray 对象，一类是二进制文件（以.npy结尾），另一类是普通文本文件。上述两种文件格式，分别对应着不同的 IO 方法，如下所示： NumPy IO操作方法 文件类型 处理 阅读全文
摘要：
Matplotlib 是 Python 的绘图库，它经常与 NumPy 一起使用，从而提供一种能够代替 Matlab 的方案。不仅如此 Matplotlib 还可以与 PyQt 和 wxPython 等图形工具包一起使用。Matplotlib 最初由 John D. Hunter 编写，目前，它的最 阅读全文
摘要：
NumPy 提供了 numpy.linalg 模块，该模块中包含了一些常用的线性代数计算方法，下面对常用函数做简单介绍： NumPy线性代数函数 函数名称 描述说明 dot 两个数组的点积。 vdot 两个向量的点积。 inner 两个数组的内积。 matmul 两个数组的矩阵积。 det 计算输入 阅读全文
摘要：
矩阵乘法是将两个矩阵作为输入值，并将 A 矩阵的行与 B 矩阵的列对应位置相乘再相加，从而生成一个新矩阵，如下图所示： 注意：必须确保第一个矩阵中的行数等于第二个矩阵中的列数，否则不能进行矩阵乘法运算。 图1：矩阵乘法 矩阵乘法运算被称为向量化操作，向量化的主要目的是减少使用的 for 循环次数或者 阅读全文
摘要：
数据以字节的形式存储在计算机内存中，而存储规则可分为两类，即小端字节序与大端字节序。小端字节序（little-endian），表示低位字节排放在内存的低地址端，高位字节排放在高地址段，它与大端字节序（big-endian）恰好相反。对于二进制数 0x12345678，假设从地址 0x4000 开始存 阅读全文
摘要：
NumPy 提供了一个 矩阵库模块numpy.matlib，该模块中的函数返回的是一个 matrix 对象，而非 ndarray 对象。矩阵由 m 行 n 列（m*n）元素排列而成，矩阵中的元素可以是数字、符号或数学公式等。 matlib.empty() matlib.empty() 返回一个空矩阵 阅读全文
摘要：
对 NumPy 数组执行些函数操作时，其中一部分函数会返回数组的副本，而另一部分函数则返回数组的视图。本节对数组的副本和视图做重点讲解。其实从内存角度来说，副本就是对原数组进行深拷贝，新产生的副本与原数组具有不同的存储位置。而视图可理解为对数组的引用，它和原数组有着相同的内存位置。 赋值操作 赋值操 阅读全文
摘要：
NumPy 提供了许多统计功能的函数，比如查找数组元素的最值、百分位数、方差以及标准差等。 numpy.amin() 和 numpy.amax() 这两个函数用于计算数组沿指定轴的最小值与最大值： amin() 沿指定的轴，查找数组中元素的最小值，并以数组形式返回； amax() 沿指定的轴，查找数 阅读全文
摘要：
NumPy 提供了多种排序函数， 这些排序函数可以实现不同的排序算法。排序算法特征主要体现在以下四个方面：执行速度，最坏情况下的复杂度，所需的工作空间以及算法的稳定性。下表列举了三种排序算法： NumPy排序算法 种类 速度 最坏复杂度 工作空间 稳定性 quicksort（快速排序） 1 O(n^ 阅读全文
摘要：
NumPy 数组的“加减乘除”算术运算，分别对应 add()、subtract()、multiple() 以及 divide() 函数。 注意：做算术运算时，输入数组必须具有相同的形状，或者符合数组的广播规则，才可以执行运算。 下面看一组示例： import numpy as np a = np.a 阅读全文
摘要：
NumPy 中包含了大量的数学函数，它们用于执行各种数学运算，其中包括三角函数、舍入函数等等。下面对它们做详细讲解。 三角函数 NumPy 中提供了用于弧度计算的的 sin()（正弦）、cos()（余弦）和 tan()（正切）三角函数。示例如下： import numpy as np arr = n 阅读全文
摘要：
NumPy 提供了许多字符串处理函数，它们被定义在用于处理字符串数组的 numpy.char 这个类中，这些函数的操作对象是 string_ 或者 unicode_ 字符串数组。如下表所示： NumPy处理字符串数组函数 函数名称 描述 add() 对两个数组相应位置的字符串做连接操作。 multi 阅读全文
摘要：
本节重点介绍 NumPy 数组元素的增删改查操作，主要有以下方法： 数组元素操作方法 函数名称 描述说明 resize 返回指定形状的新数组。 append 将元素值添加到数组的末尾。 insert 沿规定的轴将元素值插入到指定的元素前。 delete 删掉某个轴上的子数组，并返回删除后的新数组。 阅读全文
摘要：
本节重点讲解 NumPy 的位运算，NumPy 中提供了以下按位运算函数： numpy按位运算函数 序号 函数 位运算符 描述说明 1 bitwise_and & 计算数组元素之间的按位与运算。 2 bitwise_or | 计算数组元素之间的按位或运算。 3 invert ~ 计算数组元素之间的按 阅读全文
摘要：
NumPy 中包含了一些处理数组的常用方法，大致可分为以下几类： 数组变维操作 数组转置操作 修改数组维度操作 连接与分割数组操作 下面分别对它们进行介绍。 数组变维操作 数组变维操作 函数名称 函数介绍 reshape 在不改变数组元素的条件下，修改数组的形状。 flat 返回是一个迭代器，可以用 阅读全文
摘要：
NumPy 提供了一个 nditer 迭代器对象，它可以配合 for 循环完成对数组元素的遍历。下面看一组示例，使用 arange() 函数创建一个 3*4 数组，并使用 nditer 生成迭代器对象。示例1： import numpy as np a = np.arange(0,60,5) a = 阅读全文
摘要：
NumPy 与 Python 的内置序列相比，它提供了更多的索引方式。除了在《Numpy切片和索引》一节用到索引方式外，在 NumPy 中还可以使用高级索引方式，比如整数数组索引、布尔索引以及花式索引，本节主要对上述三种索引方式做详细介绍。高级索引返回的是数组的副本（深拷贝），而切片操作返回的是数组 阅读全文
摘要：
NumPy 中的广播机制（Broadcast）旨在解决不同形状数组之间的算术运算问题。我们知道，如果进行运算的两个数组形状完全相同，它们直接可以做相应的运算。示例如下： import numpy as np a = np.array([0.1,0.2,0.3,0.4]) b = np.array([ 阅读全文
摘要：
在 NumPy 中，如果想要访问，或修改数组中的元素，您可以采用索引或切片的方式，比如使用从 0 开始的索引依次访问数组中的元素，这与 Python 的 list 列表是相同的。NumPy 提供了多种类型的索引方式，常用方式有两种：基本切片与高级索引。本节重点讲解基本切片。 基本切片 NumPy 内 阅读全文
摘要：
所谓区间数组，是指数组元素的取值位于某个范围内，并且数组元素之间可能会呈现某种规律，比如等比数列、递增、递减等。为了方便科学计算，Python NumPy 支持创建区间数组。 1. numpy.arange() 在 NumPy 中，您可以使用 arange() 来创建给定数值范围的数组，语法格式如下 阅读全文