![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Numpy基础
格陵Lan丶
python新手
展开
-
生成Numpy
Numpy的核心特征之一就是N-维数组对象——ndarray。ndarray是Python中一个快速。灵活的大型数据集容器。数组允许你使用类似于标量的操作语法在整块数据上进行数据计算。为了让大家感受下Numpy,首先导入Numpy,再生成一个小的随机数组:import numpy as np#生成随机数组data = np.random.rand(2,3)dataarray([[0....原创 2019-01-23 20:55:12 · 730 阅读 · 0 评论 -
Numpy的布尔索引
假设我们的数据都在数组中,并且数组中的数据是一些存在重复的人名。我们先使用numpy.random中的randn函数来生成一些随机正态分布的数据:import numpy as npnames = np.array(['Bob','Joe','Will','Bob','Will','Joe','Joe'])data = np.random.randn(7,4)namesarray(['...原创 2019-01-28 21:55:00 · 1178 阅读 · 0 评论 -
使用Numpy数组(一)
使用Numpy数组可以使你利用简单的数组表达式完成多种数据操作任务,而无须写些大量循环。这种利用数组表达式来替代显式循环的方法,称为向量化。通常,向量化的数组操作会比纯Python的等价实现在速度上快一到两个数量级(甚至更多),这对所有种类的数值计算产生了最大的影响。作一个简单的示例,假设我们想要对一些网格数据来计算函数sqrt(x^2 + y^2)的值。np.meshgrid函数接收两个一维数...原创 2019-02-02 12:06:49 · 276 阅读 · 0 评论 -
Numpy基础:数组与向量化计算
Numpy,是Numerical Python的简称,它是目前Python数值计算中最为重要的基础包。大多数计算包都提供了基于Numpy的科学函数功能,将Numpy的数组对象作为数据交换的通用语。Numpy中会出现以下内容:ndarray,一种高效多维数组,提供了基于数组的便捷算术操作以及灵活的广播功能。对所有数据进行快速的矩阵计算,而无需编写循环程序。对硬盘中数组数据进行读写的工具,并对...原创 2019-01-22 15:55:48 · 266 阅读 · 0 评论 -
通用函数
通用函数,也可以称为ufunc,是一种在ndarray数据中进行逐元素操作的函数,某些简单函数接收一个或多个标量数值,并产生一个或多个标量结果,而通用函数就是对这些简单函数的向量化封装。有很多ufunc是简单的逐元素转换,比如sqrt(计算每个元素的平方根)或exp(计算每个自然是的自然指数)函数:import numpy as nparr = np.arange(10)arrarra...原创 2019-02-01 14:04:03 · 1012 阅读 · 0 评论 -
数组转置和换轴
转置是一种特殊的数据重组形式,可以返回底层数据的视图而不需要复制任何内容。数组拥有transpose方法,也有特殊的T属性:原创 2019-01-31 16:09:11 · 592 阅读 · 0 评论 -
Numpy的基础索引与切片
一、基础索引Numpy数组索引是一个大话题,有很多方式可以让你选中数据的子集或某个单位元素。一维数组比较简单,看起来和Python的列表类似:import numpy as nparr = np.arange(10)arrarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])arr[5]5arr[5:8]array([5, 6, 7])arr[5:8...原创 2019-01-26 16:02:03 · 119 阅读 · 0 评论 -
Numpy数组算术
数组之所以重要是因为它允许你进行批量操作而无须任何for循环。Numpy用户称这种特性为 向量化。任何在两个等尺寸数组之间的算术操作都应用了逐元素操作的方式:import numpy as nparr = np.array([[1,2,3],[4,5,6]])arrarray([[1, 2, 3], [4, 5, 6]])arr * arrarray([[ 1, 4...原创 2019-01-25 15:36:55 · 151 阅读 · 0 评论 -
ndarray的数据类型
数据类型,即dytpe,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(也称为元数据,即表示数据的数据):import numpy as nparr1 = np.array([1,2,3],dtype = np.float64)arr2 = np.array([1,2,3],dtype = np.int32)arr1.dtypedtype('float...原创 2019-01-24 14:58:07 · 2376 阅读 · 0 评论 -
Numpy的神奇索引
神奇索引是Numpy中的术语,用于描述使用整数数组进行数据索引。假设我们有一个8 * 4的数组:import numpy as nparr = np.empty((8,4))for i in range(8): arr[i] = iarrarray([[0., 0., 0., 0.], [1., 1., 1., 1.], [2., 2., 2.,...原创 2019-01-29 21:50:13 · 1966 阅读 · 0 评论