程式語言教學-NumPy

Loading...

網頁語言教學

程式語言教學

正則表達式

移動端教學

資料庫

法拍資訊

生活資訊

NumPy教程NumPy(NumericalPython)是Python語言的一個擴展程序庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。NumPy的前身Numeric最早是

NumPy安裝Python官網上的發行版是不包含NumPy模塊的。我們可以使用以下幾種方法來安裝。1、使用已有的發行版本對於許多用戶，尤其是在Windows上，最簡單的方法是下載以下的Python發行

NumPy Ndarray 對象

NumPyNdarray對象NumPy最重要的一個特點是其N維數組對象ndarray，它是一系列同類型數據的集合，以0下標為開始進行集合中元素的索引。ndarray對象是用於存放同類型元素的多維數組。

NumPy 數據類型

NumPy數據類型numpy支持的數據類型比Python內置的類型要多很多，基本上可以和C語言的數據類型對應上，其中部分類型對應為Python內置的類型。下表列舉了常用NumPy基本類型。名稱描述bo

NumPy 數組屬性

NumPy數組屬性本章節我們將來了解NumPy數組的一些基本屬性。NumPy數組的維數稱為秩（rank），一維數組的秩為1，二維數組的秩為2，以此類推。在NumPy中，每一個線性的數組稱為是一個軸（a

NumPy 創建數組

NumPy創建數組ndarray數組除了可以使用底層ndarray構造器來創建外，也可以通過以下幾種方式來創建。numpy.emptynumpy.empty方法用來創建一個指定形狀（shape）、數據

NumPy 從已有的數組創建數組

NumPy從已有的數組創建數組本章節我們將學習如何從已有的數組創建數組。numpy.asarraynumpy.asarray類似numpy.array，但numpy.asarray只有三個，比nump

NumPy 從數值範圍創建數組

NumPy從數值範圍創建數組這一章節我們將學習如何從數值範圍創建數組。numpy.arangenumpy包中的使用arange函數創建數值範圍併返回ndarray對象，函數格式如下：numpy.ara

NumPy 切片和索引

NumPy切片和索引ndarray對象的內容可以通過索引或切片來訪問和修改，與Python中list的切片操作一樣。ndarray數組可以基於0-n的下標進行索引，切片對象可以通過內置的slice函數

NumPy 高級索引

NumPy高級索引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數和切片的索引外，數組可以由整數數組索引、布爾索引及花式索引。整數數組索引以下實例獲取數組中(0,0)，(1,

NumPy 廣播(Broadcast)

NumPy廣播(Broadcast)廣播(Broadcast)是numpy對不同形狀(shape)的數組進行數值計算的方式，對數組的算術運算通常在相應的元素上進行。如果兩個數組a和b形狀相同，即滿足a

NumPy 疊代數組

NumPy疊代數組NumPy疊代器對象numpy.nditer提供了一種靈活訪問一個或者多個數組元素的方式。疊代器最基本的任務的可以完成對數組元素的訪問。接下來我們使用arange()函數創建一個2X

NumPy 位運算

NumPy位運算NumPybitwise_開頭的函數是位運算函數。NumPy位運算包括以下幾個函數：函數描述bitwise_and對數組元素執行位與操作bitwise_or對數組元素執行位或操作inv

NumPy 字符串函數

NumPy字符串函數以下函數用於對dtype為numpy.string_或numpy.unicode_的數組執行向量化字符串操作。它們基於Python內置庫中的標准字符串函數。這些函數在字符數組類（n

NumPy 數學函數

NumPy數學函數NumPy包含大量的各種數學運算的函數，包括三角函數，算術運算的函數，復數處理函數等。三角函數NumPy提供了標准的三角函數：sin()、cos()、tan()。實例importnu

NumPy 算術函數

NumPy算術函數NumPy算術函數包含簡單的加減乘除:add()，subtract()，multiply()和divide()。需要注意的是數組必須具有相同的形狀或符合數組廣播規則。實例import

NumPy 統計函數

NumPy統計函數NumPy提供了很多統計函數，用於從數組中查找最小元素，最大元素，百分位標准差和方差等。函數說明如下：numpy.amin()和numpy.amax()numpy.amin()用於計

NumPy 排序、條件刷選函數

NumPy排序、條件刷選函數NumPy提供了多種排序的方法。這些排序函數實現不同的排序算法，每個排序算法的特征在於執行速度，最壞情況性能，所需的工作空間和算法的穩定性。下表顯示了三種排序算法的比較。種

NumPy 字節交換

NumPy字節交換在幾乎所有的機器上，多字節對象都被存儲為連續的字節序列。字節順序，是跨越多字節的程序對象的存儲規則。大端模式：指數據的高字節保存在內存的低地址中，而數據的低字節保存在內存的高地址中，

NumPy 副本和視圖

NumPy副本和視圖副本是一個數據的完整的拷貝，如果我們對副本進行修改，它不會影響到原始數據，物理內存不在同一位置。視圖是數據的一個別稱或引用，通過該別稱或引用亦便可訪問、操作原有數據，但原有數據不會

NumPy 矩陣庫(Matrix)

NumPy矩陣庫(Matrix)NumPy中包含了一個矩陣庫numpy.matlib，該模塊中的函數返回的是一個矩陣，而不是ndarray對象。一個的矩陣是一個由行（row）列（column）元素排列

NumPy 線性代數

NumPy線性代數NumPy提供了線性代數函數庫linalg，該庫包含了線性代數所需的所有功能，可以看看下面的說明：函數描述dot兩個數組的點積，即元素對應相乘。vdot兩個向量的點積inner兩個數

NumPyIONumpy可以讀寫磁盤上的文本數據或二進製數據。NumPy為ndarray對象引入了一個簡單的文件格式：npy。npy文件用於存儲重建ndarray所需的數據、圖形、dtype和其他信息

NumPy Matplotlib

NumPyMatplotlibMatplotlib是Python的繪圖庫。它可與NumPy一起使用，提供了一種有傚的MatLab開源替代方案。它也可以和圖形工具包一起使用，如PyQt和wxPython

Loading...