2020年6月19日
摘要：
聚类(K-means clustering)是在一组未标记的数据中，将相似的数据（点）归到同一个类别中的方法。聚类与分类的最大不同在于分类的目标事先已知，而聚类则不知道。 K-means是聚类中最常用的方法之一，它是基于点与点的距离来计算最佳类别归属，即靠得比较近的一组点（数据）被归为一类。 K-m 阅读全文
摘要：
scipy.special 模块中包含了一些常用的杂项函数，例如经常使用的： 立方根函数 指数函数 相对误差指数函数 对数和指数函数 兰伯特函数 排列组合函数 γ函数 示例 解立方根: from scipy.special import cbrt res = cbrt([1000, 27, 8, 2 阅读全文
摘要：
默认情况下，所有NumPy函数都可以在SciPy(命名空间)中使用。当导入SciPy时，不需要显式地导入NumPy函数。NumPy的主要对象是n次多维数组ndarray，SciPy构建在ndarray数组之上，ndarray是存储单一数据类型的多维数组。在NumPy中，维度称为轴，坐标轴的数量称为秩 阅读全文
摘要：
SciPy，发音为Sigh Pi，是一个python开源库，在BSD授权下发布，主要用于数学、科学和工程计算。 SciPy库依赖于NumPy，NumPy提供了方便和快速的n维数组操作。它们一起可以运行在所有流行的操作系统上，安装简单，使用免费。 现在，组合使用NumPy、SciPy和Matplotl 阅读全文
摘要：
NumPy中包含了numpy.linalg模块，提供线性代数运算功能。下表描述了该模块中的一些重要功能。 SN函数描述 1 dot() 两个数组的点积 2 vdot() 两个向量的点积 3 inner() 两个数组的内积 4 matmul() 两个数组的矩阵乘积 5 det() 计算矩阵的行列式 6 阅读全文
摘要：
NumPy包含一个矩阵库NumPy.matlib，这个模块的函数用于处理矩阵而不是ndarray对象。 NumPy中，ndarray数组可以是n维的，与此不同，矩阵总是二维的，但这两种对象可以相互转换。 matlib.empty() empty()函数返回一个新的矩阵，但不会初始化矩阵元素。 num 阅读全文
摘要：
数组副本是内容与原数组相同，存储在另一个内存位置的数组。 数组视图是由原数组生成的另一个数组，但是与原数组共享数组元素内存，是对同一个内存位置所存储数组元素的不同呈现。 数组引用是原数组的别名，与原数组是同一个数组。 数组赋值 NumPy中，把一个数组赋值给另一个数组，不会拷贝数组，赋值只是对原始数 阅读全文
摘要：
NumPy中提供了各种排序相关的函数。这些排序函数实现了不同的排序算法，每个算法的特点是执行速度、最坏情况性能、所需的工作空间和算法的稳定性。下表为三种排序算法的比较。 种类速度最差情况工作区稳定性 ‘quicksort’ 1 O(n^2) 0 no ‘mergesort’ 2 O(n*log(n) 阅读全文
摘要：
Numpy提供各种统计函数，用于数据统计分析。 从数组中找出最小和最大元素 函数numpy.amin()和numpy.amax()分别用于查找指定轴上，数组元素的最小值和最大值。 示例 import numpy as np a = np.array([[2,10,20],[80,43,31],[22 阅读全文
摘要：
Numpy包含大量的数学函数，如三角函数、算术函数和处理复数的函数等等，这些函数可以用来执行各种数学操作。 三角函数 Numpy中包含三角函数，用于不同角度的正弦、余弦和正切等就散。 示例 import numpy as np arr = np.array([0, 30, 60, 90, 120, 阅读全文
摘要：
NumPy中，可以使用下面的函数对dtype字符串数组进行操作。 SN函数描述 1 add() 连接字符串(数组)。 2 multiply() 返回字符串的多个副本，即，如果字符串“hello”乘以3，则返回一个字符串“hello hello hello”。 3 center() 返回指定宽度的字符 阅读全文
摘要：
NumPy包中，可用位操作函数进行位运算。 bitwise_and 位与运算 bitwise_or 位或运算 invert 位非运算 left_shift 左移位 right_shift 右移位 bitwise_and 要对数值进行位与运算，可以使用bitwise_and()函数。 示例 impor 阅读全文
摘要：
NumPy提供了迭代器对象NumPy.nditer，是一个高效的多维迭代器对象，可以使用它对数组进行迭代，使用Python的标准迭代器接口访问数组元素。 示例 import numpy as np a = np.array([[1,2,3,4],[2,4,5,6],[10,20,39,3]]) pr 阅读全文
摘要：
NumPy中，有时两个不同形状的数组之间需要进行运算。 考虑下面的例子。 示例 两个形状相同的数组相乘： import numpy as np a = np.array([1,2,3,4,5,6,7]) b = np.array([2,4,6,8,10,12,14]) c = a*b; print( 阅读全文
摘要：
要访问或修改ndarray数组中的元素，可以使用数组切片/索引。 如前所述，ndarray数组索引从0开始。 使用切片访问数组，首先通过内置slice函数创建一个切片对象，该对象存储了创建时传入的start、stop和step参数，把这个切片对象传给数组，我们就可以提取数组的一部分(切片)返回。 一 阅读全文
摘要：
NumPy中，可以通过指定数值范围创建ndarray数组。 numpy.arange 要使用指定区间均匀分布的数值创建数组，可以使用arange函数。 语法如下所示： numpy.arange(start, stop, step, dtype) 参数： start: 区间开始值。默认值是0。 sto 阅读全文
摘要：
NumPy提供了使用现有数据创建数组的方法。 numpy.asarray 要使用列表或元组创建ndarray数组，可使用asarray函数。这个函数通常用于将python序列转换为numpy数组对象的场景中。 语法如下所示： numpy.asarray(sequence, dtype = None, 阅读全文
摘要：
要创建ndarray数组对象，除了使用底层的ndarray构造函数(ndarray.array())，还可以使用下面介绍的函数。 numpy.empty empty函数创建未初始化数组，可以指定数组形状和数据类型。 语法如下所示： numpy.empty(shape, dtype = float, 阅读全文
