前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python 之 Numpy 框架入门

Python 之 Numpy 框架入门

作者头像
痴者工良
发布2023-11-28 10:23:56
2120
发布2023-11-28 10:23:56
举报
文章被收录于专栏:痴者工良

NumPy

NumPy 是 Python 中用于科学计算的基本包。它是一个 Python 库,提供了一个多维数组对象、各种派生对象(比如屏蔽数组和矩阵) ,以及一系列用于数组快速操作的例程,包括数学、逻辑、形状操作、排序、选择、 i/o、离散傅里叶变换、基本线性代数、基本统计操作、随机模拟等等。

官网文档地址:https://numpy.org/

单纯学习 Numpy 会比较闷,因为 Numpy 是用于科学计算的。只是学习了各种 API 的使用,会很苦闷学来干啥,跟人工智能有什么关系?

我不知道
我不知道

安装 numpy 比较简单,直接使用命令安装即可:

代码语言:javascript
复制
pip install numpy

测试是否正常:

代码语言:javascript
复制
import numpy as np
print(np.__version__)

基础使用

基本数据类型

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,一般是 int32 或 int 64

intp

用于索引的整数类型(类似于 C 的 ssize_t,一般情况下仍然是 int32 或 int64)

int8

字节(-128 to 127)

int16

整数(-32768 to 32767)

int32

整数(-2147483648 to 2147483647)

int64

整数(-9223372036854775808 to 9223372036854775807)

uint8

无符号整数(0 to 255)

uint16

无符号整数(0 to 65535)

uint32

无符号整数(0 to 4294967295)

uint64

无符号整数(0 to 18446744073709551615)

float_

float64 类型的简写

float16

半精度浮点数,包括:1 个符号位,5 个指数位,10 个尾数位

float32

单精度浮点数,包括:1 个符号位,8 个指数位,23 个尾数位

float64

双精度浮点数,包括:1 个符号位,11 个指数位,52 个尾数位

complex_

complex128 类型的简写,即 128 位复数

complex64

复数,表示双 32 位浮点数(实数部分和虚数部分)

complex128

复数,表示双 64 位浮点数(实数部分和虚数部分)

每个内建类型都有一个唯一定义它的字符代码,如下:

字符

对应类型

b

布尔型

i

(有符号) 整型

u

无符号整型 integer

f

浮点型

c

复数浮点型

m

timedelta(时间间隔)

M

datetime(日期时间)

O

(Python) 对象

S, a

(byte-)字符串

U

Unicode

V

原始数据 (void)

numpy 有个 dtype 函数,用于定义变量类型,其定义如下:

代码语言:javascript
复制
class numpy.dtype(dtype, align=False, copy=False[, metadata])

比如这段代码定义了一个numpy 中 int32 类型的变量:

代码语言:javascript
复制
import numpy as np
a = np.dtype(dtype="int32")
print(a)

也可以使用短代码:

代码语言:javascript
复制
import numpy as np
a = np.dtype("i")
print(a)

等效代码:

代码语言:javascript
复制
import numpy as np
a = np.dtype(np.int32)
print(a)

运行代码后,都会打印:

代码语言:javascript
复制
int32

这个类型是 numpy 中的类型,不是 Python 中的类型,要注意区分。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。

因为 Python 是弱类型,没有 int32 a = ... 这种语法,所以为了明确定义这个变量是何种类型,需要使用类型的字符串名称。

这句话现在可以先不管,后面会在很多地方使用 dtype,用熟了就知道了。

要注意的是 np.dtype 是创建一个类型标识,本身并没有存储变量值。

示例:

代码语言:javascript
复制
import numpy as np

def test(object, dtype):
    if dtype == np.int32:
        print(f"{object} int32")

    elif dtype == np.int64:
        print(f"{object} int64")

    elif dtype == np.str_:
        print(f"{object} str_")


a = 111
b = np.dtype(dtype="int32")
test(a, b)

c = '111'
d = np.dtype(dtype="str")
test(c, d)

创建基本数组

Numpy 提供了一个多维数组对象、各种派生对象(比如屏蔽数组和矩阵) ,numpy 中最重要的对象是数组和矩阵。所以要学会 numpy ,最基本的是学会 numpy 数组。

numpy 创建数组的定义:

代码语言:javascript
复制
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数说明:

名称

描述

object

数组或嵌套的数列

dtype

数组元素的数据类型,可选

copy

对象是否需要复制,可选

order

创建数组的样式,C为行方向,F为列方向,A为任意方向(默认)

subok

默认返回一个与基类类型一致的数组

ndmin

指定生成数组的最小维度

创建一个基本数组:

代码语言:javascript
复制
import numpy as np
a = np.array([1, 2, 3])

创建多维数组

代码语言:javascript
复制
import numpy as np
a = np.array([[1,  2],  [3,  4]])
print (a)

定义一个数组,然后生成多维数组:

代码语言:javascript
复制
import numpy as np
a = np.array([1, 2, 3, 4, 5], ndmin =  2)
# 相当于 np.array([[1, 2, 3, 4, 5]])
print (a)

b = np.array([1, 2, 3, 4, 5], ndmin =  3)
# 相当于 np.array([[[1, 2, 3, 4, 5]]])
print (b)

c = np.array([[1, 2, 3, 4, 5],[1, 2, 3, 4, 5]], ndmin =  3)
# 相当于 np.array([[[1, 2, 3, 4, 5],[1, 2, 3, 4, 5]]])
print (c)

数组属性

由于 Python 是弱类型,所以想学习和了解细节的时候,会比较懵逼。因此,我们尽量在编写 Python 代码时,获取代码的一些文档注释。

如下面代码中,定义了一个数组:

代码语言:javascript
复制
import numpy as np
a = np.array([[1,  2],  [3,  4]])
print (a)

numpy 的数组,其类型为 ndarray[Any, dtype],完整文档如下:

代码语言:javascript
复制
a: ndarray[Any, dtype] = np.array([[1,  2],  [3,  4]])

所以,要掌握 numpy 数组,实际上就是在了解 ndarray

ndarray 中比较重要的属性如下:

属性

说明

ndarray.ndim

秩,即轴的数量或维度的数量

ndarray.shape

数组的维度,对于矩阵,n 行 m 列

ndarray.size

数组元素的总个数,相当于 .shape 中 n*m 的值

ndarray.dtype

ndarray 对象的元素类型

ndarray.itemsize

ndarray 对象中每个元素的大小,以字节为单位

ndarray.flags

ndarray 对象的内存信息

ndarray.real

ndarray元素的实部

ndarray.imag

ndarray 元素的虚部

ndarray.data

包含实际数组元素的缓冲区,由于一般通过数组的索引获取元素,所以通常不需要使用这个属性。

回到之前提到过的 numpy.dtype,结合 numpy.array,其示例代码如下:

代码语言:javascript
复制
import numpy
import numpy as np

a = np.array([1, 2])
print(a.dtype)
print(a)

t = np.dtype(numpy.float64)
b = np.array(object=[1, 2], dtype=t)
print(b.dtype)
print(b)
image-20231113145052397
image-20231113145052397

如果我们不配置 dtype 参数,那么数组的 dtype 会以数组元素类型为依据。如果配置了 dtype,那么数组元素都会被转换为对应的类型,如 np.array(object=[1, 2], dtype='float64')

数组生成

zeros、ones、empty 数组生成

numpy.zeros

numpy.zeros 的作用是创建一个元素全部为 0 的数组。

其定义如下:

代码语言:javascript
复制
def zeros(shape, dtype=float, order='C', *, like=None, /)

参数

描述

shape

数组形状

dtype

数据类型,可选

order

有"C"和"F"两个选项,分别代表,行优先和列优先,在计算机内存中的存储元素的顺序。

创建一个全部由 0 填充的数组:

代码语言:javascript
复制
import numpy as np

# 长度为 2
a = np.zeros(2)
print(a)
image-20231113145752604
image-20231113145752604

np.zeros() 默认创建的数组是 float64 类型,如果需要自定义类型,可以使用 dtype:

代码语言:javascript
复制
import numpy as np

# 长度为 2
a = np.zeros(2,dtype=int)
print(a)
image-20231113150725286
image-20231113150725286
numpy.ones

ones 创建一个元素值均为 1 的数组。

其定义如下:

代码语言:javascript
复制
def ones(shape, dtype=None, order='C', *, like=None)

示例如下:

代码语言:javascript
复制
import numpy as np

# 长度为 2
a = np.ones(2,dtype=int)
print(a)

由于其 API 与 numpy.zeros 一致,因此不再赘述。

numpy.empty

创建一个指定长度的空数组,但是不会对内存区域进行初始化,所以其被分配的内存区域可能已经有值

其定义如下:

代码语言:javascript
复制
def empty(shape, dtype=None, order='C', *args, **kwargs)

示例:

代码语言:javascript
复制
import numpy as np

# 长度为 2
a = np.empty(2) 
print(a)
image-20231113151123397
image-20231113151123397

由于其没有初始化内存,因此内存区域会残留数据。

其它说明

此外,还有三个对应的原型复制函数:

代码语言:javascript
复制
def empty_like(prototype, dtype=None, order=None, subok=None, shape=None
代码语言:javascript
复制
def zeros_like(prototype, dtype=None, order='K', subok=True, shape=None)
代码语言:javascript
复制
def ones_like(prototype, dtype=None, order='K', subok=True, shape=None)

它们的作用是根据数组类型,拷贝一个相同的结构,然后填充对应值。

如下示例,复制数组相同的结构,但是填充的值为 0。

代码语言:javascript
复制
import numpy as np

a = np.array([[1],[1]])
b = np.zeros_like(a)
print(b)
image-20231113152728010
image-20231113152728010

此外,这三个函数,可以传递元组,生成多维的数组(矩阵)。

代码语言:javascript
复制
import numpy
import numpy as np

a = np.zeros(shape=(2, 3, 4), dtype=numpy.double)
print(a)
image-20231113153758029
image-20231113153758029

numpy.random

numpy.random 是一个类,不是一个函数,numpy.random 中有一些随机生成数组的函数。

以下是一些常用的 API:

代码语言:javascript
复制
#生成具有给定形状的均匀分布的随机样本,范围在[0, 1)之间。
numpy.random.rand(size)

# 生成具有给定形状的标准正态分布(平均值为0,方差为1)的随机样本。随机样本取值范围是[0,1)。
numpy.random.randn(size)

# 正态分布,指定均值和方差
numpy.random.normal(loc=0.0, scale=1.0, size=None)

# 随机生成
numpy.random.random(size=None)

# 从给定的上下限范围内生成随机整数。
numpy.random.randint(low, high=None, size=None, dtype=int)

# 从给定的一维数组中生成随机样本。
numpy.random.choice(a, size=None, replace=True, p=None)

# 随机打乱给定数组的顺序。
numpy.random.shuffle(x)

随机数值生成和正态分布生成示例如下:

代码语言:javascript
复制
import numpy as np

a = np.random.rand(10)
b = np.random.rand(10)
print(a)
print(b)
代码语言:javascript
复制
[0.39809428 0.83922059 0.10808865 0.00332159 0.75922001 0.26850704
 0.04497839 0.59012908 0.0438718  0.59988563]
[0.78161896 0.91401858 0.10980276 0.89723959 0.06802148 0.18993732
 0.10664519 0.14121531 0.27353601 0.56878734]
random1
random1
代码语言:javascript
复制
x1 = np.random.randint(10, size=6) # 一维数组
x2 = np.random.randint(10, size=(3, 4)) # 二维数组
x3 = np.random.randint(10, size=(3, 4, 5)) # 三维数组

对于其它 API,由于篇幅有限,不再赘述。

numpy.arange

numpy.arange 用于有规律地生成数组。

其定义如下:

代码语言:javascript
复制
numpy.arange([start, ]stop, [step, ]dtype=None, *, like=None)

参数

描述

start

起始值,默认为0

stop

终止值(不包含)

step

步长,默认为1

dtype

返回ndarray的数据类型,如果没有提供,则会使用输入数据的类型。

numpy.arange 默认从 0 开始生成数组,间隔为 1。

比如,下面代码会生成一个元素值不超过 4 的数组,即范围是 [0,4)

代码语言:javascript
复制
import numpy as np

# 长度为 4
a = np.arange(4)
print(a)
image-20231113161024252
image-20231113161024252

arange(start, stop) 指定开始结束范围,但是依然步长为 1。

代码语言:javascript
复制
import numpy as np

# 长度为 4
a = np.arange(1,4)
print(a)
image-20231113161048038
image-20231113161048038

arange(start, stop, step) 自定义设置范围和步长。

代码语言:javascript
复制
import numpy as np


# 长度为 4
a = np.arange(1,10,3)
print(a)

numpy.linspace

numpy.linspace 可以使用线性间隔的方式生成数组:

代码语言:javascript
复制
np.linspace(0, 10, num=5)

num=5 的含义是从来的之间平均取得 5 个数值。

代码语言:javascript
复制
[ 0.  
2.5 
5.  
7.5 
10. ]

但是跟我们预料的结果可能不太一样,因为 linspace() 是包括起始点的,所以 0-10 其实个数是 11 个。

代码语言:javascript
复制
import numpy as np

# 长度为 4
a = np.linspace(0, 10, num=10)
print(a)

代码语言:javascript
复制
import numpy as np

# 长度为 4
a = np.linspace(0, 10, num=11)
print(a)

数组操作

数组排序

排序会返回数组的副本。

主要排序函数如下:

sort :按照大小排序

argsort:它是沿指定轴的间接排序,

lexsort:它是对多个键的间接稳定排序,

searchsorted, 它将查找排序数组中的元素。

partition, 分区,这是一个部分排序。

对于 numpy 的数组,请使用 numpy 的函数排序,不要使用 Python 自带的函数排序。

代码语言:javascript
复制
import numpy as np

# 长度为 4
a = np.random.rand(10)

print(a)

# 使用 Python 内置函数
print(sorted(a))

# 使用 numpy.sort
print(np.sort(a))
1699863444036
1699863444036

如上图所示,使用 Python 自带的函数,会导致精确度出现问题。

切片索引

可以使用 slice(start,stop,step) 函数或 [start:stop:step] 进行切片。

代码语言:javascript
复制
import numpy as np

a = np.arange(10)
print(a)

#  索引范围是 2-7 ,间隔为2
# [0 1 2 3 4 5 6 7 8 9]
s1 = slice(2, 7, 2)

#  索引范围是 2-8 ,间隔为2
# [0 1 2 3 4 5 6 7 8 9]
s2 = slice(2, 8, 2)

print(a[s1])
print(a[s2])
image-20231113162509489
image-20231113162509489

等同于:

代码语言:javascript
复制
import numpy as np

a = np.arange(10)
print(a)

print(a[2:7:2])
print(a[2:8:2])

对于二维数组,可以通过坐标点取值。

代码语言:javascript
复制
import numpy as np

x = np.array([[0, 1, 2],
              [3, 4, 5],
              [6, 7, 8],
              [9, 10, 11]])


# 左上角、右上角、左下角、右下角 四个点
a1 = np.array([[0, 0], [3, 3]])
a2 = np.array([[0, 2], [0, 2]])

y = x[a1, a2]
print(y)
代码语言:javascript
复制
[[ 0  2]
 [ 9 11]]

取值时,跟一维数组一致,可以通过索引取值。

代码语言:javascript
复制
import numpy as np

x = np.array([[0, 1, 2],
              [3, 4, 5],
              [6, 7, 8],
              [9, 10, 11]])

y = x[1:2]
print(y)
image-20231113163535733
image-20231113163535733

数组还可以通过表达式取值,如 x>5x<5 等。

代码语言:javascript
复制
import numpy as np

x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
print(x)

print(x[x > 5])

详细的表达式操作方法,可以查阅官网文档,这里不再赘述。

数组运算符

numpy 数组,可以通过操作符直接操作。

如两个数组的值相加:

代码语言:javascript
复制
import numpy as np

a1 = np.array([1, 2, 3])
a2 = np.array([4, 5, 6])

a3 = a1 + a2
a4 = a1 * a2
print(a3)
print(a4)

得到:

代码语言:javascript
复制
[5 7 9]
[ 4 10 18]

广播规则

对于不同形状的数组(即维数不同),numpy 可以自动补全维数。

其规则约束如下:

  • 两个数组的形状相同
  • 维数比较少的数组,需要是一维数组。
代码语言:javascript
复制
import numpy as np

a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])

b = np.array([100, 100, 100])
print(a + b)
image-20231113165238856
image-20231113165238856
代码语言:javascript
复制
[						[
[1, 2, 3]		+		[100, 100, 100]
[4, 5, 6]		+		[100, 100, 100]
[7, 8, 9]		+		[100, 100, 100]
]						]

相加后:

代码语言:javascript
复制
[
[101 102 103]
[104 105 106]
[107 108 109]
]

但是要注意,如果两个数组的一个维中,元素个数不一致,则运算会报错。

代码语言:javascript
复制
import numpy as np

a1 = np.array([1, 2, 3])
a2 = np.array([4, 5, 6, 7])

a3 = a1 + a2
print(a3)
image-20231113164453835
image-20231113164453835

如果两个数组维度一致,但是形状不一样,维数少的数组必须是一维数组。

如下面代码会报错:

代码语言:javascript
复制
import numpy as np

a = np.array([[1, 2, 3],
              [1, 1, 1],
              [1, 1, 1]])

b = np.array([[1, 1, 1],
              [2, 2, 2]])
print(a + b)
image-20231113165828797
image-20231113165828797

修改数组

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
修改数组的形状

主要有以下函数:

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

将一维数组,转换为二维数组,每个数组元素有 3 个,其示例如下:

代码语言:javascript
复制
import numpy as np

a = np.arange(6).reshape(2, 3)
b = np.array([0,1,2,3,4,5]).reshape(2, 3)
print(a)
print(b)
代码语言:javascript
复制
[[0 1 2]
 [3 4 5]]
[[0 1 2]

其它几个函数可以使用以下示例表达:

代码语言:javascript
复制
import numpy as np

a = np.arange(10)
print(a)

# 数组迭代器 .flat
for element in a.flat:
    print(element)

# 将数组转换为二维数组
b = a.reshape(2,5)
print("将数组转换为二维:")
print(b)

print("将多维数组合并为一维:")
c = b.ravel()
print(c)
代码语言:javascript
复制
[0 1 2 3 4 5 6 7 8 9]
0
1
2
3
4
5
6
7
8
9
将数组转换为二维:
[[0 1 2 3 4]
 [5 6 7 8 9]]
将多维数组合并为一维:
[0 1 2 3 4 5 6 7 8 9]
翻转数组

其常用函数定义如下:

函数

描述

transpose

对换数组的维度

ndarray.T

和 self.transpose() 相同

rollaxis

向后滚动指定的轴

swapaxes

对换数组的两个轴

transposendarray.T 都可以将数组翻转,例如将 2x5 的数组翻转为 5x2

代码语言:javascript
复制
import numpy
import numpy as np

a = np.arange(10).reshape(2,5)
print(a)
b = numpy.transpose(a)
c = a.T
print(b)
print(c)
代码语言:javascript
复制
[[0 1 2 3 4]
 [5 6 7 8 9]]
[[0 5]
 [1 6]
 [2 7]
 [3 8]
 [4 9]]
[[0 5]
 [1 6]
 [2 7]
 [3 8]
 [4 9]]

rollaxisswapaxes 都有三个参数:

代码语言:javascript
复制
arr:数组
axis:要向后滚动的轴,其它轴的相对位置不会改变。取值范围为 [0, a.ndim]
start:默认为零,表示完整的滚动。会滚动到特定位置。取值范围为 [-a.ndim, a.ndim]

注意:二维只有 01 两个轴,三维有 012 三个轴。axis、start 都是填写轴的序号。

image-20231113173946513
image-20231113173946513

使用 print(a1.ndim) 可以打印数组的维数,即轴数。

swapaxes 用于指定交互两个轴的位置。

如:

代码语言:javascript
复制
import numpy
import numpy as np

a1 = np.array([
    [0, 0, 0, 0],
    [1, 1, 1, 1],
    [2, 2, 2, 2],
    [3, 3, 3, 3]
])

b = np.swapaxes(a1, 0, 1)

print(b)

原数组:

代码语言:javascript
复制
[[0, 0, 0, 0]
[1, 1, 1, 1]
[2, 2, 2, 2]
[3, 3, 3, 3]]

变换后的数组:

代码语言:javascript
复制
[[0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]]

也可以理解成坐标系的 x 轴 和 y 轴,x 轴变成了 y 轴。

swapaxes 在更多维数组的情况下,有更多的轴,例如三维的 x、y、z 三个轴。这里不再赘述。

至于 numpy.rollaxis ,我也不会。

修改数组维度

其主要函数如下:

维度

描述

broadcast

产生模仿广播的对象

broadcast_to

将数组广播到新形状

expand_dims

扩展数组的形状

squeeze

从数组的形状中删除一维条目

连接数组

其主要函数如下:

函数

描述

concatenate

连接沿现有轴的数组序列

stack

沿着新的轴加入一系列数组。

hstack

水平堆叠序列中的数组(列方向)

vstack

竖直堆叠序列中的数组(行方向)

numpy.concatenate 将两个数组拼接成一个新的数组:

代码语言:javascript
复制
import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])

c = np.concatenate((a, b))
print(c)

分割数组

其主要函数如下:

函数

数组及操作

split

将一个数组分割为多个子数组

hsplit

将一个数组水平分割为多个子数组(按列)

vsplit

将一个数组垂直分割为多个子数组(按行)

其使用方法比较简单,这里不再赘述。

增删数组元素

其主要函数如下:

函数

元素及描述

resize

返回指定形状的新数组

append

将值添加到数组末尾

insert

沿指定轴将值插入到指定下标之前

delete

删掉某个轴的子数组,并返回删除后的新数组

unique

查找数组内的唯一元素

其使用方法比较简单,这里不再赘述。

数组迭代

前面提到过 .flat

代码语言:javascript
复制
import numpy as np

# 这里是二维
a = np.arange(10).reshape(2,5)

# 数组迭代器 .flat
for element in a.flat:
    print(element)

.flat 会按照顺序打印每一个元素。

代码语言:javascript
复制
0
1
2
3
4
5
6
7
8
9

.nditer 也是如此。

代码语言:javascript
复制
import numpy as np

a = np.arange(10).reshape(2,5)

# 数组迭代器 .flat
for element in np.nditer(a):
    print(element)

.nditer 可以控制遍历规则。

for x in np.nditer(a.T, order='C'),默认,行遍历。

for x in np.nditer(a, order='F'),列遍历。

代码语言:javascript
复制
import numpy as np

a = np.arange(10).reshape(2, 5)

# 数组迭代器 .flat
for element in np.nditer(a, order='F'):
    print(element)
代码语言:javascript
复制
0
5
1
6
2
7
3
8
4
9

.nditer 可以控制迭代多维数组的维还是元素。

前面提到的代码,均是迭代逐个元素。

如果设置了 flags 参数,则可以迭代维。

代码语言:javascript
复制
import numpy as np

a = np.arange(10).reshape(2, 5)

# 数组迭代器 .flat
for element in np.nditer(a, order='F', flags=['external_loop']):
    print(element)
代码语言:javascript
复制
原数组:
[[0 1 2 3 4]
 [5 6 7 8 9]]

按照迭代方向 F:
[0 5]
[1 6]
[2 7]
[3 8]
[4 9]
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2023-11-27,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • NumPy
    • 基础使用
      • 基本数据类型
      • 创建基本数组
      • 数组属性
    • 数组生成
      • zeros、ones、empty 数组生成
      • numpy.random
      • numpy.arange
      • numpy.linspace
    • 数组操作
      • 数组排序
      • 切片索引
      • 数组运算符
      • 广播规则
      • 修改数组
      • 数组迭代
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档