文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

NumPy 1.26 中文文档（四十一）

返回一个与 element 相同形状的布尔数组，其中 element 的元素在 test_elements 中为 True，否则为 False。...argwhere(a) 找到非零数组元素的索引，按元素分组。 nonzero(a) 返回非零元素的索引。 flatnonzero(a) 返回扁平化版本中非零的索引。...默认情况下使用扁平化的输入。 outarray，可选 如果提供了，结果将被插入到这个数组中。它应该具有适当的形状和 dtype。 新版本 1.22.0 中新增。...返回： index_array(N, a.ndim) ndarray 非零元素的索引。索引按元素分组。该数组的形状为(N, a.ndim)，其中N是非零项的数量。...返回一个数组的元组，每个维度都包含该维度中非零元素的下标。 a 中的值始终以行为主测试和返回，C 样式排序。 要按元素而不是维度对下标进行分组，请使用argwhere，其将为每个非零元素返回一行。

11810

【数据分析 | Numpy】Numpy模块系列指南（一），从设计架构说起

处理结构化数据、数据库操作等 掩码数组 Masked Arrays 在数组中使用掩码标记无效或缺失的数据，进行计算时可以自动忽略掩码元素。...缺失数据处理、数据过滤等 Ndarray数组属性当谈论NumPy数组的属性时，我们通常指的是数组对象本身的一些特征和元数据。...例如，(3, 4) 表示一个二维数组，有3行和4列。dtype 数组元素的数据类型，例如int64、float32、bool等。 ndim 数组的维度数量，也称为数组的秩。...例如，二维数组的ndim为2。 size 数组中元素的总数，等于各个维度大小的乘积。 itemsize数组中每个元素的字节大小。...flat 返回一个迭代器，用于以扁平化方式迭代数组中的元素。 strides 表示在每个维度上需要移动多少字节来获取下一个元素。

15300
您找到你想要的搜索结果了吗？
是的
没有找到

《利用Python进行数据分析·第2版》 附录A NumPy高级应用A.1 ndarray对象的内部机理A.2 高级数组操作A.3 广播A.4 ufunc高级应用A.5 结构化和记录式数组A.6 更多

数据类型或dtype，描述在数组中的固定大小值的格子。 一个表示数组形状（shape）的元组。 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。...A.5 结构化和记录式数组 你可能已经注意到了，到目前为止我们所讨论的ndarray都是一种同质数据容器，也就是说，在它所表示的内存块中，各元素占用的字节数相同（具体根据dtype而定）。...结构化数组是一种特殊的ndarray，其中的各个元素可以被看做C语言中的结构体（struct，这就是“结构化”的由来）或SQL表中带有多个命名字段的行： In [144]: dtype = [('x',...定义结构化dtype（请参考NumPy的在线文档）的方式有很多。...由于数组中的每个元素在内存中都被表示为固定的字节数，所以结构化数组能够提供非常快速高效的磁盘数据读写（包括内存映像）、网络传输等功能。

4.8K71

【数据分析 | Numpy】Numpy模块系列指南（一），从设计架构说起

处理结构化数据、数据库操作等 掩码数组 Masked Arrays 在数组中使用掩码标记无效或缺失的数据，进行计算时可以自动忽略掩码元素。...缺失数据处理、数据过滤等 Ndarray 数组属性 当谈论NumPy数组的属性时，我们通常指的是数组对象本身的一些特征和元数据。...dtype 数组元素的数据类型，例如int64、float32、bool等。 ndim 数组的维度数量，也称为数组的秩。例如，二维数组的ndim为2。...size 数组中元素的总数，等于各个维度大小的乘积。 itemsize 数组中每个元素的字节大小。例如，int64类型的元素占8个字节。...flat 返回一个迭代器，用于以扁平化方式迭代数组中的元素。 strides 表示在每个维度上需要移动多少字节来获取下一个元素。 data 数组的缓冲区，包含数组的实际元素。

15510

NumPy学习笔记—(33)

` 2.1.1.按照行或列进行排序 2.2.部分排序：分区 2.3.例子：k 近邻 2.4.额外内容：大 O 复杂度 3.1.创建结构化数组 3.2.高级复合类型 3.3.记录数组：面向对象的结构化数组...1.高级索引 在前面的小节中，我们学习了如何获取和修改数组的元素或部分元素，我们可以通过简单索引（例如arr[0]），切片（例如arr[:5]）和布尔遮盖（例如arr[arr > 0]）来实现。...其中一个例子是 KD-Tree[1]。 2.4.额外内容：大 O 复杂度 大 O 复杂度是一种衡量随着输入数据的增加，需要执行的操作的数量的量级情况的指标。...本小节展示了如何使用 NumPy 的结构化数组和记录数组，它们能够提供对于复合的，不同种类的数组的有效存储方式。本小节的内容，包括场景和操作，通常都会在 Pandas 的Dataframe中使用。...例如，你可以创建一个类型，其中的每一个元素都是一个数组或矩阵。

2.3K20

NumPy 1.26 中文文档（五）

所有 ndarrays 都是同构的：每个项目占用相同大小的内存块，并且所有块的解释方式完全相同。如何解释数组中的每个项目由一个单独的数据类型对象指定，其中每个数组都关联有一个数据类型对象。...C 顺序和 Fortran 顺序都是连续的，即单片段的内存布局，其中内存块的每个部分都可以通过一些索引的组合来访问。...ndarray.round([decimals, out]) 返回a，其中每个元素舍入到给定的小数位数。...C 和 Fortran 顺序都是连续，即单一段，内存布局，其中内存块的每个部分都可以通过某种结合的索引访问。 注意 连续数组 和 单一段数组 是同义词，文档中可以互换使用。...这也意味着即使是高维数组在同一时间也可以是 C 风格和 Fortran 风格连续的。 如果所有元素的内存偏移和基本偏移本身都是* self.itemsize的倍数，那么数组被视为对齐。

8710

Numpy 修炼之道 （10）—— 结构化数组

推荐阅读时间：10min~12min 文章内容：Numpy的结构化数组 上一篇：Numpy 修炼之道 （9）—— 广播机制 简介 之前我们操作Numpy的数组时，都是通过索引来操作的。...可以把二维数组想象成一个excel表格，如果表格没有列名，操作起来会非常麻烦，针对这种情况，Numpy提供了结构化数组用来操作每列数据。 之前我们操作Numpy的数组时，都是通过索引来操作的。...需要注意的是，不管是row还是col，获取到的都是只是视图，所以更改结构化数组x时，对应的视图也会发生改变。...每个元组具有2或3个元素，指定：字段的名称（允许使用''），字段的类型，以及形状（可选）。...每个都必须是相应匹配的列表，其中偏移量包含每个字段的整数偏移量，标题是包含每个字段的元数据的对象（这些对象不必是字符串），其中允许值为None。

1K50

小蛇学python（16）numpy高阶用法

如果只是从事简单的数据分析，其实numpy的用处并不是很大。简单了解一下numpy，学好pandas已经够用，尤其是对于结构化或表格化数据。...image.png 同样，既然可以重塑，那也可以扁平化，即展开。...pandas的操作对象主要是结构化数据，numpy的操作对象主要是ndarray数组。这两者之间有很多功能函数是一一对应的，比如，pandas有对表格的拼接，ndarray也有对数组的拼接。...还需要注意一点的是，这些函数都是建立在ndarray数组之上的，列表，元组等并无此功能。 广播机制 所谓广播是说不同形状的数组之间的算术运算的执行方式。...image.png 如图所示，当数组和数字之间运算时，并没有报错，而是每个数组元素和该数字做了运算。这在很多科研数据处理的时候，会方便很多。

93320

NumPy之:结构化数组详解

简介 普通的数组就是数组中存放了同一类型的对象。而结构化数组是指数组中存放不同对象的格式。 今天我们来详细探讨一下NumPy中的结构化数组。...=[('name', '<U10'), ('age', '<i4'), ('weight', '<f4')]) x是一个1维数组，每个元素都包含三个字段，name，age和weight。...创建结构化数据类型 结构化数据类型是从基础类型创建的，主要有下面几种方式： 从元组创建 每个元组都是(fieldname, datatype, shape)这样的格式，其中shape 是可选的。..., ('f3', 'S1')]) 结构化数组还可以赋值给非机构化数组，但是前提是结构化数组只有一个filed： >>> twofield = np.zeros(2, dtype=[('A', 'i4')...index来访问，很不方便，为此NumPy提供了一个多维数组的子类 numpy.recarray, 然后可以通过属性来访问。

71310

NumPy之:结构化数组详解

简介 普通的数组就是数组中存放了同一类型的对象。而结构化数组是指数组中存放不同对象的格式。 今天我们来详细探讨一下NumPy中的结构化数组。...=[('name', '<U10'), ('age', '<i4'), ('weight', '<f4')]) x是一个1维数组，每个元素都包含三个字段，name，age和weight。...创建结构化数据类型 结构化数据类型是从基础类型创建的，主要有下面几种方式： 从元组创建 每个元组都是(fieldname, datatype, shape)这样的格式，其中shape 是可选的。..., ('f3', 'S1')]) 结构化数组还可以赋值给非机构化数组，但是前提是结构化数组只有一个filed： >>> twofield = np.zeros(2, dtype=[('A', 'i4'...index来访问，很不方便，为此NumPy提供了一个多维数组的子类 numpy.recarray, 然后可以通过属性来访问。

1.1K20

NumPy之:结构化数组详解

简介 普通的数组就是数组中存放了同一类型的对象。而结构化数组是指数组中存放不同对象的格式。 今天我们来详细探讨一下NumPy中的结构化数组。...=[('name', '<U10'), ('age', '<i4'), ('weight', '<f4')]) x是一个1维数组，每个元素都包含三个字段，name，age和weight。...创建结构化数据类型 结构化数据类型是从基础类型创建的，主要有下面几种方式： 从元组创建 每个元组都是(fieldname, datatype, shape)这样的格式，其中shape 是可选的。..., ('f3', 'S1')]) 结构化数组还可以赋值给非机构化数组，但是前提是结构化数组只有一个filed： >>> twofield = np.zeros(2, dtype=[('A', 'i4')...index来访问，很不方便，为此NumPy提供了一个多维数组的子类 numpy.recarray, 然后可以通过属性来访问。

1.2K50

python︱numpy、array——高级matrix（替换、重复、格式转换、切片）

tile函数功能：对整个数组进行复制拼接  用法：numpy.tile(a, reps)  其中a为数组，reps为重复的次数  >>> np.tile(a,2)   array([0, 1, 2,...,sin(x)np.cos(a)对矩阵a中每个元素取余弦,cos(x)np.tan(a)对矩阵a中每个元素取正切,tan(x)np.arcsin(a)对矩阵a中每个元素取反正弦,arcsin(x)np.arccos...(a)对矩阵a中每个元素取反余弦,arccos(x)np.arctan(a)对矩阵a中每个元素取反正切,arctan(x)np.exp(a)对矩阵a中每个元素取指数函数,exnp.sqrt(a)对矩阵a...——————————————————————————————————————————  三、numpy如何导出以及导入、数列格式转换  1、numpy如何导出、导入  参考：Python Numpy数组保存...In [58]: a.dtype Out[58]: dtype('int32') In [59]: c.dtype Out[59]: dtype('float64')  这里有一个非常实际的问题：  一般结果输出都是

1.8K30

NumPy 基础知识 ：1~5

NumPy 数组中的元素都具有相同的dtype； 在前面的示例中，这是numpy.int（根据计算机的不同是 32 位或 64 位）; 因此，NumPy 可以节省在运行时检查每个元素的类型的时间，这通常是由...本章将涉及的主题是： NumPy 数组的核心：内存布局 结构数组（记录数组） NumPy 数组中的日期时间 NumPy 数组中的文件 I/O 步幅 步幅是 NumPy 数组中的索引方案，它指示要跳转以查找下一个元素的字节数...x，其数据类型为 NumPy 整数8，这意味着数组中的每个元素都是 8 位整数（每个 1 字节，总共 8 个字节）。...NumPy 文件 I/O 现在我们可以执行 NumPy 数组计算和操作，并且知道如何构造记录数组，现在是时候进行一些实际的分析了，方法是将文件读入 NumPy 数组并将结果数组输出到文件中以进行进一步的分析...当您使用不同的方式初始化 NumPy 数组时，我们看到了内存布局和性能上的巨大差异。 我们还了解了记录数组（结构化数组）以及如何在 NumPy 中操纵日期/时间。

5.6K10
点击加载更多

扫码

添加站长 进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

更多标签

活动推荐

    运营活动

    活动名称
    广告关闭

    腾讯云开发者

    扫码关注腾讯云开发者

    扫码关注腾讯云开发者

    领取腾讯云代金券

    热门产品

    热门推荐

    更多推荐

    Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

    深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

    腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

    领券