摘要：
布尔索引 python names = np.array(['bob', 'joe','will', 'bob', 'will', 'joe', 'joe'] ) data = np.random.randn(7,4) 生成一个七乘四的随机正态分布数组 print(names) print(data 阅读全文
摘要：
基础索引与切片 首先你新创建了额一个 ndarray 数组： 和python的列表相似的，你可以通过索引和切片来取值 6 [5 6 7] 和列表一样，数组里的切片取值也是顾头不顾尾，并且索引是从0开始的。 重要的一个例子 [ 0 1 2 3 24 24 6 7 8 9] 是的，区别于Python的内 阅读全文
摘要：
NumPy数组算术 数组之所以重要是因为他允许你进行批量操作而无需任何循环语句，NumPy用户称这种特性为向量化。任何在两个等尺寸数组织之间的算术操作都应用了逐元素操作的方式。 [[1 2 3] [4 5 6]] / [[ 1 4 9] [16 25 36]] / [[0 0 0] [0 0 0]] 阅读全文
摘要：
"NumPy 生成ndarray" "NumPy ndarray 的数据类型" "NumPy 数组算术" "NumPy 基础索引与切片" "NumPy 布尔索引" "神奇索引" "数组的转置和换轴" "NumPy的transpose方法详解" "通用函数：快速的逐元素数组函数" "使用数组进行面向数 阅读全文
摘要：
ndarray 的数据类型 数据类型，即 dtype ，也是一个特殊的对象， 它包含了ndarray需要为某一种类型数据所申明的内存块信息（也成为了元数据，即表示数据的数据） dtype是NumPy能够与琪他系统数据灵活交互的原因。通常，其他系统提供一个硬盘或内存与数据的对应关系，使得利用C或For 阅读全文
摘要：
NumPy ndarray：多维数组对象 NumPy的核心特征之一就是 N 维数组对象——ndarray。 ndarray是Python中的一个快速、灵活的大型数据集容器。数字允许你使用类似于标量的操作语法在整块数据上进行数学计算。 首先要导入NumPy模块 生成ndarray 生成数组对象最简单的 阅读全文
摘要：
"初识Django" "Django 静态资源，请求，数据库的连接和操作" "继上一篇Django的数据库数据的编辑和删除" "Django里orm关系表创建" "Django请求生命周期" "Django路由匹配" "无名分组和有名分组" "反向解析" "路由分发" "伪静态、虚拟环境、djang 阅读全文
摘要：
小白比会三板斧（程咬金） 就是以上三个，需要用这种方式导入。 用法： 一、HttpResponse 这是返回字符串的，比如你写了一个页面后缀是 login，并且已经在urls里面绑定了，就会调用这个函数，然后return返回的字符串会在页面上显示出来。 二、render 这是返回一个html页面的， 阅读全文