YuanShuo_-CSDN博客

原创 NumPy库——广播（broadcasting）

通过上述例子，我们可以明显的发现，两个形状相差很大的数组，也完成了加法运算。所以，我们可以很明显的察觉到，这其中必定是进行了一些微小的数据处理，那么具体是怎么操作的呢？但是到这里，肯定又有很多小伙伴要问了，这两个数组的形状还是有点巧合的，他们在某一方向上的形状是相同的。但是如果两个数组的形状不相同，就会进行。那么这个1*3的数组就要进行扩充，将自己变为4*3的数组便于进行计算。这样一来，就得到了上述代码所呈现的运行结果。那么，接下来我们展示一下，当两个数组的形状不同时，是怎样自动触发广播机制的？

2024-04-01 07:00:00 329

原创 NumPy库中的ufunc函数——自定义ufunc函数

调用格式：func：计算函数nin：func（）输入参数的个数nout；func（）输出参数的个数r = 0r = 0else:r = areturn rprint(y)运行结果：这样，我们就完成了一个自定义的ufunc函数。

2024-03-31 07:00:00 487 1

原创 NumPy库中的ufunc函数——算术函数

NumPy库提供了许多的ufunc函数，这里我们介绍一些用于运算的函数。

2024-03-30 07:00:00 1017

原创 ufunc函数——简介及其代码展示

由于在 PyCharm 中直接查看 Python 代码的运行速度并不像一些专门的性能分析工具那样直观。但是，我们可以通过time模块来测量代码段的运行时间。ufunc是一种可以对数组每个元素进行运算的函数。Numpy的许多ufunc函数都是用C语言实现的，因此他们的运算速度非常快。我们举个例子来看一下是怎样运用ufunc函数进行计算的吧！可以明显地看出来这种做法，运行时间要慢了许多！同时见识一下ufunc的速度！

2024-03-29 07:00:00 297 1

原创 NumPy库中的ndarray对象——ndarray的切片和索引

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，从原数组中切割出一个新数组。对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素，如果目标是二维数组，那么就是对应下标的行。这个数组中的每个元素都是目标数组中某个维度上的索引值。第一个2代表的是start，7代表的是stop，第二个2代表的是step（步长）-------读取下标对应的元素-------

2024-03-28 07:00:00 2633 1

原创 NumPy库中的ndarray对象——ndarray的属性

在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。给大家解释一下上边这句话，列优先，行其次，两个一维数组组成了一个二维数组，也就是说其中一个一维数组作了列，另一个一维数组做了行。所以0代表列，1代表行。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。

2024-03-27 07:00:00 432 1

YuanShuo_的博客

原创 NumPy库——广播（broadcasting）

原创 NumPy库中的ufunc函数——自定义ufunc函数

原创 NumPy库中的ufunc函数——算术函数

原创 ufunc函数——简介及其代码展示

原创 NumPy库中的ndarray对象——ndarray的切片和索引

原创 NumPy库中的ndarray对象——ndarray的属性

原创 NumPy库中的ndarray对象——ndarray的创建

原创 python——温度传感器实验代码实现

原创 python——一个获取表格的函数及其详细解释

原创 python——实现多普勒综合效应实验数据的处理

空空如也

空空如也