CodeNodeX AI
Sign upWrite

Learning Path

NumPy tutorials

Browse tutorials and chapters for NumPy.

AI & data

AI agents, ML, deep learning, analytics, and scientific Python.

Tutorials

26

TAXONOMYAI & dataFetched/NumPy

NumPy 教程

NumPy 教程 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。N..

TUTORIALAI & dataFetched/NumPy

NumPy 高级索引

NumPy 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。 整数数组索引 整数数组索引是指使用一个数组来访问另一个数组的元素。这个数组中的每个元素都是目标数组..

TUTORIALAI & dataFetched/NumPy

NumPy 算术函数

NumPy 算术函数 NumPy 算术函数包含简单的加减乘除: add()，subtract()，multiply() 和 divide()。 需要注意的是数组必须具有相同的形状或符合数组广播规则。 实例 [mycode3 type='python'] import numpy as np a = np.arange(9, dtype = np.float_).reshape(3,3) print..

TUTORIALAI & dataFetched/NumPy

NumPy 数组属性

NumPy 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..

TUTORIALAI & dataFetched/NumPy

NumPy 创建数组

NumPy 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。 numpy.empty numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组： numpy.empty(shape, dtype = float, order = 'C') 参数说明： 参数 描述 shape 数组形状 ..

TUTORIALAI & dataFetched/NumPy

NumPy 从已有的数组创建数组

NumPy 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。 numpy.asarray numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。 numpy.asarray(a, dtype = None, order = None) 参数说明： 参数 描述 a 任意形式的输入参数，可以是，列表, 列表的元组, ..

TUTORIALAI & dataFetched/NumPy

NumPy 从数值范围创建数组

NumPy 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。 numpy.arange numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象，函数格式如下： numpy.arange(start, stop, step, dtype) 根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。 参数说明： 参数 描述 start 起始值..

TUTORIALAI & dataFetched/NumPy

Numpy 数组操作

Numpy 数组操作 Numpy 中包含了一些函数用于处理数组，大概可分为以下几类： 修改数组形状 翻转数组 修改数组维度 连接数组 分割数组 数组元素的添加与删除 修改数组形状 函数 描述 reshape 不改变数据的条件下修改形状 flat 数组元素迭代器 flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组 ravel 返回展开数组 numpy.reshap..

TUTORIALAI & dataFetched/NumPy

NumPy 位运算

NumPy 位运算 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。 NumPy 提供了一系列位运算函数，允许对数组中的元素进行逐位操作，这些操作与 Python 的位运算符类似，但作用于 NumPy 数组，支持矢量化处理，性能更高。 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 bitwise_ 开头的函数是位运算函数。 NumPy 位运算包括以下几个函..

TUTORIALAI & dataFetched/NumPy

NumPy 广播(Broadcast)

NumPy 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。 如果两个数组 a 和 b 形状相同，即满足 a.shape == b.shape，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。 实例 [mycode3 type='python'] imp..

TUTORIALAI & dataFetched/NumPy

NumPy 字节交换

NumPy 字节交换 在几乎所有的机器上，多字节对象都被存储为连续的字节序列。字节顺序，是跨越多字节的程序对象的存储规则。 大端模式：指数据的高字节保存在内存的低地址中，而数据的低字节保存在内存的高地址中，这样的存储模式有点儿类似于把数据当作字符串顺序处理：地址由小向大增加，而数据从高位往低位放；这和我们的阅读习惯一致。 小端模式：指数据的高字节保存在内存的高地址中，而数据的低字节保存在内存的低地址中，这种存储模式将地址的高低和数..

TUTORIALAI & dataFetched/NumPy

NumPy 副本和视图

NumPy 副本和视图 副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。 视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据，物理内存在同一位置。 视图一般发生在： 1、numpy 的切片操作返回原数据的视图。 2、调用 ndarray 的 view() 函数产生一个视图。 副本一般发生在： ..

TUTORIALAI & dataFetched/NumPy

NumPy 数据类型

NumPy 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。 名称 描述 bool_ 布尔型数据类型（True 或者 False） int_ 默认的整数类型（类似于 C 语言中的 long，int32 或 int64） intc 与 C 的 int 类型一样，一般..

TUTORIALAI & dataFetched/NumPy

NumPy 切片和索引

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，与 Python 中 list 的切片操作一样。 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。 实例 [mycode3 type='python'] import numpy as np..

TUTORIALAI & dataFetched/NumPy

NumPy 安装

NumPy 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。 使用 pip 安装 安装 NumPy 最简单的方法就是使用 pip 工具： pip3 install numpy 这里使用的是 Python3，如果你用的是 Python2 可以用 pip install numpy 安装在。 默认情况使用国外线路，国外太慢，我们使用清华的镜像就可以: pip3 insta..

TUTORIALAI & dataFetched/NumPy

NumPy IO

NumPy IO Numpy 可以读写磁盘上的文本数据或二进制数据。 NumPy 为 ndarray 对象引入了一个简单的文件格式：npy。 npy 文件用于存储重建 ndarray 所需的数据、图形、dtype 和其他信息。 常用的 IO 函数有： load() 和 save() 函数是读写文件数组数据的两个主要函数，默认情况下，数组是以未压缩的原始二进制格式保存在扩展名为 .npy 的文件中。 savez() 函数用于将多个..

TUTORIALAI & dataFetched/NumPy

NumPy 线性代数

NumPy 线性代数 NumPy 提供了线性代数函数库 linalg，该库包含了线性代数所需的所有功能，可以看看下面的说明： 函数 描述 dot 两个数组的点积，即元素对应相乘。 vdot 两个向量的点积 inner 两个数组的内积 matmul 两个数组的矩阵积 determinant 数组的行列式 solve 求解线性矩阵方程 inv 计算矩阵的乘法逆矩阵 numpy...

TUTORIALAI & dataFetched/NumPy

NumPy 数学函数

NumPy 数学函数 NumPy 包含大量的各种数学运算的函数，包括三角函数，算术运算的函数，复数处理函数等。 三角函数 NumPy 提供了标准的三角函数：sin()、cos()、tan()。 实例 [mycode3 type='python'] import numpy as np a = np.array([0,30,45,60,90]) print ('不同角度的正弦值：'..

TUTORIALAI & dataFetched/NumPy

NumPy Matplotlib

NumPy Matplotlib Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。 pip3 安装： pip3 install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple Linux 系统也可以使用 Linux 包管理..

TUTORIALAI & dataFetched/NumPy

NumPy 矩阵库(Matrix)

NumPy 矩阵库(Matrix) NumPy 中包含了一个矩阵库 numpy.matlib，该模块中的函数返回的是一个矩阵，而不是 ndarray 对象。 numpy.matlib 专门用于创建和操作 矩阵（matrix） 对象。虽然 NumPy 的核心支持多维数组（ndarray），numpy.matlib 提供了一些方便的函数，专门返回矩阵类型，便于用户进行传统的线性代数运算。 一个 的矩阵是一个由行（row）列（column）..

TUTORIALAI & dataFetched/NumPy

NumPy Ndarray 对象

NumPy Ndarray 对象 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。 ndarray 对象是用于存放同类型元素的多维数组。 ndarray 中的每个元素在内存中都有相同存储大小的区域。 ndarray 内部由以下内容组成： 一个指向数据（内存或内存映射文件中的一块数据）的指针。 数据类型或 dtype，描述在数..

TUTORIALAI & dataFetched/NumPy

NumPy 排序、条件筛选函数

NumPy 排序、条件筛选函数 NumPy 提供了多种排序的方法。 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。 种类 速度 最坏情况 工作空间 稳定性 'quicksort'（快速排序） 1 O(n^2) 0 否 'mergesort'（归并排序） 2 O(n*log(n))..

TUTORIALAI & dataFetched/NumPy

NumPy 统计函数

NumPy 统计函数 NumPy 提供了很多统计函数，用于从数组中查找最小元素，最大元素，百分位标准差和方差等。 numpy.amin() 和 numpy.amax() numpy.amin() 用于计算数组中的元素沿指定轴的最小值。 numpy.amin(a, axis=None, out=None, keepdims=, initial=, where=)参数说明： a: 输入的数组，可以是一个NumPy数组或类似数组的..

TUTORIALAI & dataFetched/NumPy

NumPy 字符串函数

NumPy 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。 函数 描述 add() 对两个数组的逐个字符串元素进行连接 multiply() 返回按元素多重连接后的字符串 center() 居中字符串 capita..