随笔分类 - 常用工具
摘要：NumPy - 排序、搜索和计数函数 NumPy中提供了各种排序相关功能。 这些排序函数实现不同的排序算法，每个排序算法的特征在于执行速度，最坏情况性能，所需的工作空间和算法的稳定性。 下表显示了三种排序算法的比较。 numpy.sort() sort()函数返回输入数组的排序副本。 它有以下参数：
阅读全文
摘要：NumPy - 字节交换 我们已经知道，存储在计算机内存中的数据取决于 CPU 使用的架构。 它可以是小端(最小有效位存储在最小地址中)或大端(最小有效字节存储在最大地址中)。 numpy.ndarray.byteswap() numpy.ndarray.byteswap()函数在两个表示：大端和小
阅读全文
摘要：NumPy - 统计函数 NumPy 有很多有用的统计函数，用于从数组中给定的元素中查找最小，最大，百分标准差和方差等。 函数说明如下： numpy.amin() 和 numpy.amax() 这些函数从给定数组中的元素沿指定轴返回最小值和最大值。 示例 Python Python 输出如下： Py
阅读全文
摘要：NumPy - 算数运算 用于执行算术运算(如add()，subtract()，multiply()和divide())的输入数组必须具有相同的形状或符合数组广播规则。 示例 Python Python 输出如下： 让我们现在来讨论 NumPy 中提供的一些其他重要的算术函数。 numpy.reci
阅读全文
摘要：NumPy - 算数函数 很容易理解的是，NumPy 包含大量的各种数学运算功能。 NumPy 提供标准的三角函数，算术运算的函数，复数处理函数等。 三角函数 NumPy 拥有标准的三角函数，它为弧度制单位的给定角度返回三角函数比值。 示例 Python Python 输出如下： arcsin，ar
阅读全文
摘要：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。 较旧的 Numarray 包包含chararray类。 numpy.char类中的
阅读全文
摘要：NumPy - 位操作 下面是 NumPy 包中可用的位操作函数。 bitwise_and 通过np.bitwise_and()函数对输入数组中的整数的二进制表示的相应位执行位与运算。 例子 输出如下： 你可以使用下表验证此输出。 考虑下面的位与真值表。 bitwise_or 通过np.bitwis
阅读全文
摘要：NumPy - 数组操作 NumPy包中有几个例程用于处理ndarray对象中的元素。 它们可以分为以下类型： 修改形状 numpy.reshape 这个函数在不改变数据的条件下修改形状，它接受如下参数： 其中： arr：要修改形状的数组 newshape：整数或者整数数组，新的形状应当兼容原有形状
阅读全文
摘要：NumPy - 数组上的迭代 NumPy 包包含一个迭代器对象numpy.nditer。 它是一个有效的多维迭代器对象，可以用于在数组上进行迭代。 数组的每个元素可使用 Python 的标准Iterator接口来访问。 让我们使用arange()函数创建一个 3X4 数组，并使用nditer对它进行
阅读全文
摘要：NumPy - 广播 术语广播是指 NumPy 在算术运算期间处理不同形状的数组的能力。 对数组的算术运算通常在相应的元素上进行。 如果两个阵列具有完全相同的形状，则这些操作被无缝执行。 示例 1 输出如下： 如果两个数组的维数不相同，则元素到元素的操作是不可能的。 然而，在 NumPy 中仍然可以
阅读全文
摘要：NumPy - 高级索引 如果一个ndarray是非元组序列，数据类型为整数或布尔值的ndarray，或者至少一个元素为序列对象的元组，我们就能够用它来索引ndarray。高级索引始终返回数据的副本。 与此相反，切片只提供了一个视图。 有两种类型的高级索引：整数和布尔值。 整数索引 这种机制有助于基
阅读全文
摘要：NumPy - 切片和索引 ndarray对象的内容可以通过索引或切片来访问和修改，就像 Python 的内置容器对象一样。 如前所述，ndarray对象中的元素遵循基于零的索引。 有三种可用的索引方法类型： 字段访问，基本切片和高级索引。 基本切片是 Python 中基本切片概念到 n 维的扩展。
阅读全文
摘要：NumPy - 来自数值范围的数组 这一章中，我们会学到如何从数值范围创建数组。 numpy.arange 这个函数返回ndarray对象，包含给定范围内的等间隔值。 构造器接受下列参数： 下面的例子展示了如何使用该函数： 示例 1 输出如下： 示例 2 输出如下： 示例 3 输出如下： numpy
阅读全文
摘要：NumPy - 来自现有数据的数组 这一章中，我们会讨论如何从现有数据创建数组。 numpy.asarray 此函数类似于numpy.array，除了它有较少的参数。 这个例程对于将 Python 序列转换为ndarray非常有用。 构造器接受下列参数： 下面的例子展示了如何使用asarray函数：
阅读全文
摘要：NumPy - 数组创建例程 新的ndarray对象可以通过任何下列数组创建例程或使用低级ndarray构造函数构造。 numpy.empty 它创建指定形状和dtype的未初始化数组。 它使用以下构造函数： 构造器接受下列参数： 示例 下面的代码展示空数组的例子： 输出如下： 注意：数组元素为随机
阅读全文
摘要：NumPy - 数据类型 NumPy 支持比 Python 更多种类的数值类型。 下表显示了 NumPy 中定义的不同标量数据类型。 NumPy 数字类型是dtype(数据类型)对象的实例，每个对象具有唯一的特征。 这些类型可以是np.bool_，np.float32等。 数据类型对象 (dtype
阅读全文
摘要：NumPy - 数组属性 这一章中，我们会讨论 NumPy 的多种数组属性。 ndarray.shape 这一数组属性返回一个包含数组维度的元组，它也可以用于调整数组大小。 示例 1 输出如下： 示例 2 输出如下： 示例 3 NumPy 也提供了reshape函数来调整数组大小。 输出如下： nd
阅读全文
摘要：NumPy - Ndarray 对象 NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型。 它描述相同类型的元素集合。 可以使用基于零的索引访问集合中的项目。 ndarray中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象(称为 dtyp
阅读全文
浙公网安备 33010602011771号