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
摘要：
本节介绍 Numpy 数组的常用属性。 ndarray.shape shape 属性的返回值一个由数组维度构成的元组，比如 2 行 3 列的二维数组可以表示为(2,3)，该属性可以用来调整数组维度的大小。示例如下，输出了数组的维度： import numpy as np a = np.array([ 阅读全文
摘要：
在《NumPy Ndarray对象》一节，介绍了创建 ndarray 数组的基本方法，除了使用 array() 方法外，NumPy 还提供了其他创建 ndarray 数组的方法。本节对这些常用方法做简单介绍。 numpy.empty() numpy.empty() 创建未初始化的数组，可以指定创建数 阅读全文
摘要：
NumPy 作为 Python 的扩展包，它提供了比 Python 更加丰富的数据类型，如表 1 所示： 表1：NumPy数据类型 序号 数据类型 语言描述 1 bool_ 布尔型数据类型（True 或者 False） 2 int_ 默认整数类型，类似于 C 语言中的 long，取值为 int32 阅读全文
摘要：
NumPy 定义了一个 n 维数组对象，简称 ndarray 对象，它是一个一系列相同类型元素组成的数组集合。数组中的每个元素都占有大小相同的内存块，您可以使用索引或切片的方式获取数组中的每个元素。 ndarray 对象有一个 dtype 属性，该属性用来描述元素的数据类型，相关知识会在《NumPy 阅读全文
摘要：
umPy 是 Python 的第三方扩展包，但它并没有包含在 Python 标准库中，因此您需要单独安装它。本节介绍如何在不同的操作系统上安装 NumPy。 Windows系统安装 在 Windows 系统下安装 NumPy 有两种常用方式，下面分别对其进行介绍。使用 Python 包管理器pip来 阅读全文
摘要：
NumPy 的全称是“ Numeric Python”，它是 Python 的第三方扩展包，主要用来计算、处理一维或多维数组。在数组算术计算方面， NumPy 提供了大量的数学函数。NumPy 的底层主要用 C语言编写，因此它能够高速地执行数值计算。NumPy 还提供了多种数据结构，这些数据结构能够 阅读全文