摘要：
官方文档 Enthought offical tutorial: numpy.genfromtxt A very common file format for data file is comma-separated values (CSV), or related formats such as 阅读全文
摘要：
简介 有时候数据集中存在缺失、异常或者无效的数值，我们可以标记该元素为被屏蔽（无效）状态。 现在可以创造一个掩码数组（标记第四个元素为无效状态）。 接下来可以计算平均值而不用考虑无效数据。 访问掩码 可通过其mask属性访问掩码数组的掩码。我们必须记住，掩码中的True条目表示无效数据。 只访问有效 阅读全文
摘要：
简介 之前我们操作Numpy的数组时，都是通过索引来操作的。针对二维数组，使用索引可以完成对行、列的操作。但是这是非常不直观的。可以把二维数组想象成一个excel表格，如果表格没有列名，操作起来会非常麻烦，针对这种情况，Numpy提供了结构化数组用来操作每列数据。 之前我们操作Numpy的数组时，都 阅读全文
摘要：
什么是广播 我们都知道，Numpy中的基本运算（加、减、乘、除、求余等等）都是元素级别的，但是这仅仅局限于两个数组的形状相同的情况下。 可是大家又会发现，如果让一个数组加1的话，结果时整个数组的结果都会加1，这是什么情况呢？ 其实这就是广播机制：Numpy 可以转换这些形状不同的数组，使它们都具有相 阅读全文
摘要：
在了解了 Numpy 的基本运算操作，下面来看下 Numpy常用的函数。 数学运算函数 规约函数 下面所有的函数都支持axis来指定不同的轴，用法都是类似的。 阅读全文
摘要：
Numpy 有一个强大之处在于可以很方便的修改生成的N维数组的形状。 更改数组形状 数组具有由沿着每个轴的元素数量给出的形状： 上面生成了一个 3x4 的数组，现在对它进行形状的改变。 无论是ravel、reshape、T，它们都不会更改原有的数组形状，都是返回一个新的数组。 使用 resize 方 阅读全文
摘要：
当计算和操作数组时，它们的数据有时被复制到新的数组中，有时不复制。这里我们做个区分。 完全不复制 简单赋值不会创建数组对象或其数据的拷贝。 视图或浅复制 不同的数组对象可以共享相同的数据。view方法创建一个新数组对象，该对象看到相同的数据。与前一种情况不同，新数组的维数更改不会更改原始数据的维数， 阅读全文
摘要：
Python 中原生的数组就支持使用方括号（[]）进行索引和切片操作，Numpy 自然不会放过这个强大的特性。 单个元素索引 1-D数组的单元素索引是人们期望的。它的工作原理与其他标准Python序列一样。它是从0开始的，并且接受负索引来从数组的结尾进行索引。 与Python原生的列表、元组不同的是 阅读全文
摘要：
Numpy 中数组上的算术运算符使用元素级别。最后的结果使用新的一个数组来返回。 需要注意的是，乘法运算符*的运算在NumPy数组中也是元素级别的（这与许多矩阵语言不同）。如果想要执行矩阵乘积，可以使用dot函数： 某些操作（如+=和*=）可以修改现有数组，而不是创建新数组。 当使用不同类型的数组操 阅读全文
摘要：
Numpy 中的数组比 Python 原生中的数组（只支持整数类型与浮点类型）强大的一点就是它支持更多的数据类型。 基本数据类型 numpy常见的数据类型 以上这些数据类型都可以通过 np.bool_、np.float32等方式访问。 这些类型都可以在创建 ndarray 时通过参数 dtype 来 阅读全文
摘要：
初始Numpy 一、什么是Numpy? 简单来说，Numpy 是 Python 的一个科学计算包，包含了多维数组以及多维数组的操作。 Numpy 的核心是 ndarray 对象，这个对象封装了同质数据类型的n维数组。起名 ndarray 的原因就是因为是 n-dimension-array 的简写。 阅读全文