随笔分类 - Numpy
摘要：NumPy 教程目录 1 本文内容 1.1 排序(Sorting) methoddescription sort(a[, axis, kind, order]) 返回数组的排序副本。 lexsort(keys[, axis]) 使用键的序列执行间接稳定排序。 argsort(a[, axis, ki
阅读全文
摘要：NumPy 教程目录 真值测试 方法描述 all(a[, axis, out, keepdims]) 测试是否沿给定轴的所有数组元素求值为True。 any(a[, axis, out, keepdims]) 测试沿给定轴的任何数组元素的求值是否为True。 数组内容 方法描述 isfinite(x
阅读全文
摘要：NumPy 教程目录 线性代数（numpy.linalg） NumPy线性代数函数依赖于BLAS和LAPACK来提供标准线性代数算法的高效低级实现。 这些库可以由NumPy本身使用其参考实现子集的C版本提供， 但如果可能，最好是利用专用处理器功能的高度优化的库。 这样的库的例子是OpenBLAS、M
阅读全文
摘要：NumPy 教程目录 1 NumPy 统计函数 NumPy 提供了很多统计函数，用于从数组中查找最小元素，最大元素，百分位标准差和方差等。 函数说明如下 1.1 统计 methoddescription amin(a[, axis, out, keepdims, initial, where]) 返
阅读全文
摘要：NumPy 教程目录 真值测试 方法描述 all(a[, axis, out, keepdims]) 测试是否沿给定轴的所有数组元素求值为True。 any(a[, axis, out, keepdims]) 测试沿给定轴的任何数组元素的求值是否为True。 数组内容 方法描述 isfinite(x
阅读全文
摘要：NumPy 教程目录 三角函数 methoddescription sin(x, /[, out, where, casting, order, …]) 正弦函数, element-wise. cos(x, /[, out, where, casting, order, …]) 余弦函数 eleme
阅读全文
摘要：NumPy 教程目录 1 字符串信息函数 1.1 numpy.char.count char.count(a, sub, start=0, end=None) 返回一个数组，其中包含 [start, end] 范围内子字符串 sub 的非重叠出现次数。 Example： c = np.array([
阅读全文
摘要：NumPy 教程目录 1 字符串比较函数 1.1 numpy.char.equal() char.equal(x1, x2) 判断 x1 == x2 是否是真的。 Example： print(np.char.equal('Blair','blair')) print(np.char.equal('
阅读全文
摘要：NumPy 教程目录 1 NumPy 字符串函数 以下函数用于对 dtype 为 numpy.string_ 或 numpy.unicode_ 的数组执行向量化字符串操作。 它们基于 Python 内置库中的标准字符串函数。 这些函数在字符数组类（numpy.char）中定义。 2 字符串操作函数
阅读全文
摘要：NumPy 教程目录 Lesson11——NumPy 位运算 NumPy "bitwise_" 开头的函数是位运算函数。 NumPy 位运算包括以下几个函数： 函数描述 bitwise_and 对数组元素执行位与操作 bitwise_or 对数组元素执行位或操作 bitwise_xor 对数组元素执
阅读全文
摘要：NumPy 教程目录 NumPy 迭代数组 NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。 迭代器最基本的任务的可以完成对数组元素的访问。 **Example：**使用 arange() 函数创建一个 2X3 数组，并使用 nditer 对它进行迭代
阅读全文
摘要：NumPy 教程目录 NumPy 广播(Broadcast) 广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行。 如果两个数组 a 和 b 形状相同，即满足 a.shape == b.shape，那么 a*b 的结果
阅读全文
摘要：NumPy 教程目录 NumPy 高级索引 NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引。 1 整数数组索引 Example：以下实例获取数组中 (0,0)，(1,1) 和 (2,0) 位置处的元素。 x
阅读全文
摘要：NumPy 教程目录 ndarray 对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。 ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割
阅读全文
摘要：NumPy 教程目录 1 基础操作 1.1 numpy.shape(a) numpy.shape(a) 返回数组的形状。 Examples： import numpy as np np.shape(np.ones([3,2])) (3, 2) np.shape([1,2]) (2,) np.shap
阅读全文
摘要：NumPy 教程目录 前言 ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。 1 From shape or value MethodReturn empty(shape[, dtype, order, like]) 返回给定形状和类型、没初始化的
阅读全文
摘要：NumPy 教程目录 NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度，一维数组的秩为 1，二维数组的秩为 2，以此类推。 在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中
阅读全文
摘要：NumPy 教程目录 NumPy 数据类型 numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。 下表列举了常用 NumPy 基本类型。 名称描述 bool_ 布尔型数据类型（True 或者 False
阅读全文
摘要：NumPy 教程目录 NumPy Ndarray 对象 NumPy 最重要的一个特点是其 $N$ 维数组对象 ndarray，它是一系列同类型数据的集合，以 $0$ 下标为开始进行集合中元素的索引。 ndarray 对象是用于存放同类型元素的多维数组。 ndarray 中的每个元素在内存中都有相同存
阅读全文
摘要：NumPy 教程目录 1 Lesson1——NumPy NumPy 安装 2 Lesson2——NumPy Ndarray 对象 3 Lesson3——NumPy 数据类型 4 Lesson4——NumPy 数组属性 5 Lesson5——NumPy 创建数组 6 Lesson6——NumPy 数组
阅读全文