Numpy
-
NumPy保存、加载文本格式文件的两个方法
NumPy中提供了多种方法来保存和加载文本格式的数据，包括CSV、TXT、TSV等格式。 最常用的保存文本格式文件的方法为：np.savetxt()。np.savetxt()可以将NumPy数组保存为CSV、TXT、TSV等格式的文件。 最常用的加载文本格式文件的方法为：np.genfromtxt()。np.genfromtxt()则可以从文本格式的文件中读…
-
详解 NumPy 从磁盘上保存（save）和加载（load）数组
在NumPy中，可以使用numpy.save()和numpy.load()方法将数组保存到磁盘中，或从磁盘中加载数组。 接下来将逐一介绍这两个方法。 numpy.save()方法 numpy.save(file, arr, allow_pickle=True, fix_imports=True)方法可以将数组保存到磁盘文件中。它的参数包括： file: 保存…
-
NumPy与Matplotlib联合绘图
NumPy和Matplotlib是Python科学计算中常用的两个库，其中NumPy用于数值计算和数组操作，而Matplotlib则用于数据可视化。 下面介绍一些常用的NumPy和Matplotlib绘图方法。 NumPy绘图方法 NumPy提供了一些基本的绘图函数，包括plot、hist、scatter、imshow等。 使用方法如下： plot函数：用于…
-
详解NumPy矩阵乘法操作
在NumPy中，矩阵乘法是常见的操作之一。矩阵乘法可以用 numpy.dot() 或 @ 运算符来执行。在这里我们将详细介绍这两种方法以及它们的使用。 numpy.dot() numpy.dot() 函数用于计算两个数组的点积，也就是矩阵乘法。对于二维数组，它计算矩阵乘积，对于一维数组，它计算点积。对于 N 维数组，它是沿最后一个轴的和的乘积。它的语法如下：…
-
NumPy常用的5个线性代数函数
NumPy是Python中非常流行的科学计算库，其中的线性代数模块numpy.linalg提供了许多常用的线性代数函数。下面对其中一些重要的函数进行详解。 numpy.dot(a, b) 该函数计算两个数组的点积，即对应元素相乘再求和，可以用于向量、矩阵的乘法以及其他更高维的数组的运算。示例： import numpy as np a = np.array(…
-
NumPy中副本和视图是什么意思？
在NumPy中，副本（copy）和视图（view）是两种数组的不同形式，它们之间的区别在于它们是如何共享内存的。 副本是指一个新的数组，它们的数据不共享内存，这意味着对于副本的操作不会对原始数组产生影响。NumPy中的copy()函数可以用来创建数组的副本。 示例： import numpy as np # 创建一个数组 arr = np.array([1,…
-
NumPy遍历数组最常用的4种方法
NumPy提供了多种遍历数组的方法，主要有以下几种： 迭代器遍历 使用NumPy的nditer函数可以返回一个用于迭代数组元素的迭代器对象。可以通过设置order参数来指定迭代的顺序，例如order=’C’表示按照C语言的行优先顺序进行迭代，order=’F’表示按照Fortran语言的列优先顺序进行迭代。示例代码如下： import numpy as np…
-
详解NumPy位运算常用的6种方法
NumPy支持位运算，包括按位与、按位或、按位异或、按位取反等。在NumPy中，位运算符逐位操作数组元素。 NumPy位运算的6个方法 下面介绍NumPy常用的位运算函数： bitwise_and()：按位与运算 bitwise_or()：按位或运算 bitwise_xor()：按位异或运算 bitwise_not()：按位取反运算 left_shift()…
-
NumPy最常用的8个字符串处理函数
NumPy 提供了许多字符串处理函数，它们被定义在用于处理字符串数组的 numpy.char 这个类中，这些函数的操作对象是 string 或者 unicode 字符串数组。 下面是最常用的8个字符串处理函数： np.char.add()：将两个字符串连接起来 import numpy as np str1 = np.array(['hello&#…
-
详解NumPy数组的逻辑运算
NumPy数组支持多种逻辑运算，包括逻辑与、逻辑或、逻辑非等。 逻辑与：numpy.logical_and() 逻辑或：numpy.logical_or() 逻辑非：numpy.logical_not() 这些函数都可以对两个数组进行逐元素操作，返回一个新的数组，其中每个元素都是按照相应的逻辑运算规则计算出来的。例如： import numpy as np …
-
NumPy数组的高级索引
NumPy中的高级索引指的是使用整数数组或布尔数组来索引数组的方式，相较于基本索引（使用切片或整数索引），高级索引提供了更加灵活的方式来获取数组中的元素。下面我们来详细介绍一下NumPy中的高级索引。 整数数组索引 整数数组索引是指使用整数数组来作为索引的方式。例如，有一个二维数组a： import numpy as np a = np.array([[0,…
-
NumPy数组分组（split,array_split）方法详解
NumPy提供了许多实用的函数和方法，可用于对数组进行分组。 在NumPy中，使用np.split()函数将数组分成子数组，使用np.array_split()函数将数组分成不等分的子数组。 np.split() np.split()函数可以根据指定的轴将数组分割成多个子数组，语法如下： np.split(ary, indices_or_sections, …
-
numpy数组最常用的4个搜索方法
NumPy提供了一些搜索和查找数组中元素的方法，包括： np.where(condition[, x, y])：返回满足条件的元素的下标。可以指定x和y参数，如果不指定，则返回元素下标。 np.argwhere(condition)：返回满足条件的元素的下标，与where()方法类似，但返回的是一个包含下标的数组，而不是元组。 np.searchsorted…
-
NumPy数组最常用的4个去重方法
NumPy提供了多种方法用于对数组进行去重。下面介绍其中的几种方法： numpy.unique() numpy.unique()函数可以用于找到数组中的唯一值，并以排序的形式返回结果。它的参数包括： arr：需要去重的数组； return_index：如果为True，则返回输入数组中唯一元素的索引； return_inverse：如果为True，则返回输入数…
-
NumPy最常用的两个数组排序方法
在NumPy中，有多种排序算法可用于对数组进行排序，包括快速排序、堆排序、归并排序等。 NumPy中的排序函数通常包括以下参数： a: 要排序的数组； axis: 沿着哪个轴进行排序，默认为-1，即沿着最后一个轴排序； kind: 排序算法，可选参数有’quicksort'(快速排序)、’mergesort'(归并排序)、’heapsort'(堆排序)，默认…
-
NumPy数组的广播是什么意思？
在NumPy中，广播（broadcasting）指的是不同形状的数组之间进行算术运算的规则。当两个数组的形状不同时，如果满足一些特定的条件，NumPy将自动地对它们进行广播以使得它们的形状相同。 广播的规则如下： 当两个数组的形状长度不同时，在较短的数组的前面加上若干个1，直到长度与较长的数组相同。 如果两个数组的形状在任何一个维度上不同且不同维度的长度不同…
-
NumPy最常用的8个统计函数
NumPy是Python中用于科学计算的重要库，提供了大量的数学和科学计算函数和工具，包括一系列的统计函数。在数据分析和机器学习等领域，统计函数是非常重要的一部分。 下面是NumPy中最常用9个统计函数： np.mean：计算数组的平均值。 np.median：计算数组的中位数。 np.var：计算数组的方差。 np.std：计算数组的标准差。 np.min…
-
NumPy最常用的11个聚合函数
NumPy中的聚合函数可以用于对数组中的元素进行汇总计算，包括求和、平均值、标准差、方差等等。这些函数可以对整个数组或者沿着某个轴进行计算，并且支持忽略NaN值的计算。 以下是一些常用的聚合函数及其示例： sum()：返回数组中所有元素的总和。 import numpy as np a = np.array([1, 2, 3, 4, 5]) print(np…
-
NumPy最常用数组的数学运算方法
NumPy 数组的数学运算是 NumPy 中非常重要的一个特性。在 NumPy 中，数组可以进行一系列的数学运算，包括加减乘除、幂次方、三角函数、指数函数等。这些数学运算可以对整个数组进行操作，也可以对数组中的每个元素进行操作。下面就对 NumPy 数组的数学运算进行详细介绍。 NumPy四则运算 NumPy 数组的加减乘除运算与 Python 中的运算是类…
-
详解NumPy常用的数组的扩展和压缩方法
NumPy数组的扩展和压缩是指在不改变数组元素的情况下，改变数组的形状或尺寸。 数组的扩展 数组的扩展是指将一个数组扩展成一个更大或更小的形状。NumPy提供了几种方式来扩展数组，包括： numpy.reshape() numpy.resize() numpy.append() numpy.reshape() reshape()函数用于改变数组的形状，返回一…
