蜡笔小流-CSDN博客

原创 NumPy 第十五课 -- 字符串函数

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。

2025-01-16 07:30:00 652

位运算是一种在二进制数字的位级别上进行操作的一类运算，它们直接操作二进制数字的各个位，而不考虑数字的整体值。位运算在计算机科学中广泛应用于优化和处理底层数据。NumPy开头的函数是位运算函数。bitwise_orinvertleft_shift也可以使用对应位上的两个数字都为1时，结果为1；否则，结果为0。例如：1010 & 1100 = 1000对应位上的两个数字有一个为1时，结果为1；否则，结果为0。例如：1010 | 1100 = 1110对应位上的两个数字相异时，结果为1；

2024-12-04 07:30:00 546

原创 NumPy 第十三课 -- 数组操作

函数会在指定位置（或位置数组）插入给定的值或数组，然后返回新的数组。需要注意的是，插入操作会返回一个新的数组，而不会改变原始数组。numpy.ravel() 展平的数组元素，顺序通常是"C风格"，返回的是数组视图（view，有点类似 C/C++引用reference的意味），修改会影响原始数组。numpy.hsplit 函数用于水平分割数组，通过指定要返回的相同形状的数组数量来拆分原数组。numpy.hstack 是 numpy.stack 函数的变体，它通过水平堆叠来生成数组。

2024-11-01 07:30:00 771 1

原创 NumPy 第十二课 -- 迭代数组

NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。迭代器最基本的任务的可以完成对数组元素的访问。接下来我们使用 arange() 函数创建一个 2X3 数组，并使用 nditer 对它进行迭代。以上实例不是使用标准 C 或者 Fortran 顺序，选择的顺序是和数组内存布局一致的，这样做是为了提升访问的效率，默认是行序优先（row-major order，或者说是 C-order）。这反映了默认情况下只需访问每个元素，而无需考虑其特定顺序。

2024-10-13 07:30:00 499

原创 NumPy 第十一课 -- 广播(Broadcast)

广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式，对数组的算术运算通常在相应的元素上进行。，那么 a*b 的结果就是 a 与 b 数组对应位相乘。这要求维数相同，且各维度的长度相同。当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制。下面的图片展示了数组 b 如何通过广播来与数组 a 兼容。如果两个数组 a 和 b 形状相同，即满足。

2024-10-12 07:30:00 313

原创 NumPy 第十课 -- 高级索引

NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引。NumPy 中的高级索引指的是使用整数数组、布尔数组或者其他序列来访问数组的元素。相比于基本索引，高级索引可以访问到数组中的任意元素，并且可以用来对数组进行复杂的操作和修改。

2024-10-11 07:30:00 1282

原创 NumPy 第九课 -- 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。然后，分别设置起始，终止和步长的参数为 2，7 和 2。，来使选择元组的长度与数组的维度相同。如果在行位置使用省略号，它将返回包含行中元素的 ndarray。ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。，那么则提取两个索引(不包括停止索引)之间的项。

2024-10-10 07:30:00 236

原创 NumPy 第八课 -- 从数值范围创建数组

这一章节我们将学习如何从数值范围创建数组。

2024-10-09 07:30:00 438

原创 NumPy 第七课 -- 从已有的数组创建数组

本章节我们将学习如何从已有的数组创建数组。

2024-10-08 07:30:00 468

原创 NumPy 第六课 -- 创建数组

ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。

2024-10-07 07:30:00 506

原创 NumPy 第五课 -- 数组属性

本章节我们将来了解 NumPy 数组的一些基本属性。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。在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。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。

2024-10-06 07:30:00 947

原创 NumPy 第四课 -- 数据类型

numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。下表列举了常用 NumPy 基本类型。numpy 的数值类型实际上是 dtype 对象的实例，并对应唯一的字符，包括 np.bool_，np.int32，np.float32，等等。

2024-10-05 07:30:00 684

原创 NumPy 第三课 -- Ndarray 对象

ndarray 对象由计算机内存的连续一维部分组成，并结合索引模式，将每个元素映射到内存块中的一个位置。NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。ndarray 中的每个元素在内存中都有相同存储大小的区域。一个表示数组形状（shape）的元组，表示各维度大小的元组。一个指向数据（内存或内存映射文件中的一块数据）的指针。

2024-10-04 07:30:00 427

原创 NumPy 第二课 -- 安装

Python 官网上的发行版是不包含 NumPy 模块的。我们可以使用以下几种方法来安装。

2024-10-03 07:30:00 649

原创 NumPy 第一课 -- 简介

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。

2024-10-02 07:30:00 500 1

原创 FastAPI 第九课 -- 表单数据

在 FastAPI 中，接收表单数据是一种常见的操作，通常用于处理用户通过 HTML 表单提交的数据。FastAPI 提供了 Form 类型，可以用于声明和验证表单数据。

2024-10-01 07:30:00 668 1

原创 FastAPI 第八课 -- 路径操作依赖项

FastAPI 提供了简单易用，但功能强大的依赖注入系统，这个依赖系统设计的简单易用，可以让开发人员轻松地把组件集成至 FastAPI。FastAPI 提供了路径操作依赖项（Path Operation Dependencies）的机制，允许你在路由处理函数执行之前或之后运行一些额外的逻辑。依赖项就是一个函数，且可以使用与路径操作函数相同的参数。路径操作依赖项提供了一种灵活的方式来组织代码、验证输入、进行身份验证等。接下来我们会具体介绍 FastAPI 路径操作依赖项的相关知识点。

2024-09-30 07:30:00 2010

原创 FastAPI 第七课 -- Pydantic 模型

使用 Pydantic 定义一个模型非常简单，只需创建一个继承自 pydantic.BaseModel 的类，并在其中定义字段。字段的类型可以是任何有效的 Python 类型，也可以是 Pydantic 内置的类型。name: str以上代码中中，我们定义了一个名为 Item 的 Pydantic 模型，包含了四个字段：name、description、price 和 tax，name 和 price 是必需的字段，而 description 和 tax 是可选的字段，其。

2024-09-29 08:11:37 1044

原创 FastAPI 第六课 -- 请求和响应

在 FastAPI 中，请求（Request）和响应（Response）是与客户端交互的核心。FastAPI 提供了强大的工具来解析请求数据，并根据需要生成规范的响应。接下来我们来详细看下 FastAPI 的请求和响应。

2024-09-28 07:30:00 1110

原创 FastAPI 第五课 -- 基本路由

在 FastAPI 中，基本路由是定义 API 端点的关键。每个路由都映射到应用程序中的一个函数，用于处理特定的 HTTP 请求，并返回相应的响应。

2024-09-27 07:30:00 920

原创 FastAPI 第四课 -- 交互式 API 文档

FastAPI 提供了内置的交互式 API 文档，使开发者能够轻松了解和测试 API 的各个端点。这个文档是自动生成的，基于 OpenAPI 规范，支持 Swagger UI 和 ReDoc 两种交互式界面。通过 FastAPI 的交互式 API 文档，开发者能够更轻松地理解和使用 API，提高开发效率在运行 FastAPI 应用时，Uvicorn 同时启动了交互式 API 文档服务。

2024-09-26 07:30:00 1000

原创 FastAPI 第三课 -- 第一个 FastAPI 应用

你应该能够看到 FastAPI 自动生成的交互式文档，并在根路径 ("/") 返回的 JSON 响应。这个路由操作使用了 @app.get("/items/{item_id}") 装饰器，表示当用户通过。在这一步，创建了一个 FastAPI 应用的实例，它将用于定义和管理应用的各个组件，包括路由。这个路由操作使用了 @app.get("/") 装饰器，表示当用户通过。以上实例导入了 Union 类型，用于支持多种数据类型的参数注解。函数返回一个字典，包含传入的 item_id 和 q 参数。

2024-09-25 07:30:00 478

原创 FastAPI 第二课 -- 安装

FastAPI 依赖 Python 3.8 及更高版本。安装 FastAPI 很简单，这里我们使用 pip 命令来安装。这样我们就安装完成了。

2024-09-24 07:30:00 426

原创 FastAPI 第一课 -- 简介

FastAPI 是一个用于构建 API 的现代、快速（高性能）的 web 框架，专为在 Python 中构建 RESTful API 而设计。FastAPI 使用 Python 3.8+ 并基于标准的 Python 类型提示。FastAPI 建立在 Starlette 和 Pydantic 之上，利用类型提示进行数据处理，并自动生成API文档。FastAPI 于 2018 年 12 月 5 日发布第一版本，以其易用性、速度和稳健性在开发者中间迅速流行起来。

2024-09-23 07:30:00 447

原创 Flask 第十四课 -- 部署

Flask 部署是将你的 Flask 应用程序发布到生产环境中的过程，使其可以被用户访问。部署 Flask 应用涉及选择合适的服务器和环境配置。以下是常见的 Flask 部署方法和步骤，包括使用 WSGI 服务器和 Web 服务器，以及如何在不同平台上部署 Flask 应用。

2024-09-22 07:30:00 980

原创 Flask 第十三课 -- 中间件和扩展

Flask 还允许你创建自定义中间件类，这些中间件类可以在请求和响应处理的各个阶段进行操作。CustomMiddleware：自定义中间件类，添加一个自定义响应头。如果现有的扩展不能满足你的需求，你可以创建自己的扩展。创建自定义扩展通常涉及到定义一个类，提供初始化配置和相关功能。myextension.py 文件代码；MyExtension：自定义扩展，添加了一个自定义响应头。

2024-09-21 07:30:00 938

原创 Flask 第十二课 -- 错误处理

你可以定义自定义异常类，并在应用中捕获和处理这些异常。这允许你在应用中实现更复杂的错误处理逻辑。pass可以为每个错误码创建自定义的 HTML 页面，使得错误页面与应用的整体设计一致。yourapp/│├── app.py自定义错误页面示例：

2024-09-20 07:30:00 760

原创 Flask 第十一课 -- 蓝图 (Blueprints)

Blueprint('auth', __name__)：创建一个名为 auth 的蓝图。蓝图中定义的路由函数可以用来处理请求。Blueprint('blog', __name__)：创建一个名为 blog 的蓝图。蓝图也可以定义自己的错误处理函数。

2024-09-19 07:30:00 580

原创 Flask 第十课 -- 数据库操作

模型是数据库表的 Python 类，每个模型类代表数据库中的一张表。db.Model：所有模型类需要继承自 db.Model。db.Column：定义模型的字段，指定字段的类型、是否为主键、是否唯一、是否可以为空等属性。db.create_all() # 创建数据库表。

2024-09-18 07:30:00 738

原创 Flask 第九课 -- 表单处理

在 Flask 中，表单处理是构建 Web 应用时一个常见的需求。处理表单数据涉及到接收、验证和处理用户提交的表单。Flask 提供了基本的表单处理功能，但通常结合 Flask-WTF 扩展来简化表单操作和验证。

2024-09-17 07:30:00 809

原创 Flask 第八课 -- 模板渲染

模板是包含占位符的 HTML 文件。Flask 使用 Jinja2 模板引擎来处理模板渲染。模板渲染允许你将动态内容插入到 HTML 页面中，使得应用能够生成动态的网页内容。以下是关于 Flask 模板渲染的详细说明，包括如何创建和使用模板、模板继承、控制结构等。templates。

2024-09-16 07:30:00 1403

原创 Flask 第七课 -- 视图函数

视图函数是一个普通的 Python 函数，它接收请求并返回响应。视图函数通常与路由配合使用，通过装饰器将 URL 映射到视图函数。：将根 URL映射到home视图函数。def home()：视图函数，返回字符串作为响应。

2024-09-15 07:30:00 939

原创 Flask 第六课 -- 路由

装饰器，用于定义路由。表示根 URL。def home()：视图函数，当访问根 URL 时，返回。

2024-09-14 07:30:00 908

原创 Flask 第五课 -- 项目结构

一个 Flask 应用可以简单到只有一个文件。然而，当项目变大时，把所有代码都放到一个文件里不太现实。Flask 项目结构可以根据应用的规模和复杂性有所不同。以下是几种常见的 Flask 项目结构，分别适用于简单应用和较复杂的应用。

2024-09-13 07:30:00 957

原创 Flask 第四课 -- 基本概念

上一个章节我们已经学会了如何创建第一个 Flask 应用，本章节我们将来详细了解 Flask 的一些基本概念。了解 Flask 的基本概念对于开发高效的 Web 应用非常重要。路由：路由是 URL 到 Python 函数的映射。Flask 允许你定义路由，这样当特定的 URL 被访问时，就会调用相应的函数。视图函数：视图函数是处理请求并返回响应的 Python 函数。它们通常接收请求对象作为参数，并返回响应对象。请求对象：请求对象包含了客户端发送的请求信息，如请求方法、URL、请求头、表单数据等。

2024-09-12 07:30:00 1228

原创 Flask 第三课 -- 第一个应用

上一章节我们已经成功安装了 Flask，接下来我们可以创建一个简单的 Flask 应用。打开浏览器，访问 http://127.0.0.1:5000/，应该会看到 "Hello, World!" 的消息，表示 Flask 已成功安装并运行。

2024-09-11 07:30:00 346

原创 Flask 第二课 -- 安装

Flask 是 Python的一个库，所以首先需要确保你的计算机上已经安装了 Python。Flask 需要 Python 3.6 及以上版本，先确保你已安装 Python 3。我们可以使用 Python 的包管理器 pip 可以用来安装Flask。这样我们就成功安装了 Flask 包。Flask 安装还是比较简单的。

2024-09-10 07:30:00 349

原创 Flask 第一课 -- 简单入门

Flask 是一个用 Python 编写的轻量级 Web 应用框架。Flask 基于 WSGI（Web Server Gateway Interface）和 Jinja2 模板引擎，旨在帮助开发者快速、简便地创建 Web 应用。Flask 被称为"微框架"，因为它使用简单的核心，用扩展增加其他功能。

2024-09-09 07:30:00 852