Python-科学计算库01-NumPy常用功能（附，官方NumPy-Basics表格）

QQi_coding QQi_coding 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 200+累计阅读 286平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄7年
关注
原创 最新推荐文章于 2026-11-08 14:34:25 发布 286 阅读 AI 写同款· GEO 优化 ›
数据分析师学习路径：从SQL、Python到实战项目的系统指南 数据分析作为从海量信息中提取价值、驱动决策的核心技术，其原理在于通过统计学方法、编程工具和业务逻辑的结合，将原始数据转化为可操作的洞见。这项技术的价值在于赋能个人与组织进行量化决策、优化流程和发现新机会，广泛应用于互联网、金融、零售、医疗等众多行业。掌握数据分析能力，意味着能够独立完成从数据获取、清洗、分析到可视化的全流程，这正是初级/中级数据分析师的核心要求。本文以一套涵盖统计学基础、SQL数据库、Python编程、数据可视化及实战项目的结构化学习路径为例，深入探讨如何通过体系化的知识构建和项目实践，高效 阅读详情

在这里插入图片描述
在这里插入图片描述

收录于
Python3

当前文章被收录于：

Python3
6 篇文章 2 人学习
订阅专栏 查看详情
标签
#python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
互联网教育-用户分析案例（驱动力分析&学员画像） 互联网教育-用户数据案例分析 本文以年平均购买课程数为核心指标，清洗数据后使用Tableau对学员人口学特征及学习行为特征进行分析。使用多元线性回归方程分析用户购买驱动力，结果发现高粘性用户_yes、最后上课日期数值越大，课平均作业提交数、年平均优秀学员数对结果影响显著，从课程开发阶段，课程进行阶段，课程结束后三个阶段结合用户生命周期进行分析，提出对应运营策略。使用Kmeans聚类得到5类用户，根据用户学习行为特点，总结用户痛点，从用户获取，用户激活，用户召回三方面进行分析，给出相应的运营策略建议。 阅读详情

相关推荐

机器学习科学计算库以及算法篇.rar

了解机器学习定义以及应用场景 掌握机器学习基础环境的安装和使用 掌握利用常用的科学计算库对数据进行分析 掌握机器学习常见算法原理 应用Scikit-learn实现机器学习算法的应用， 结合场景解决实际问题

科学计算库（一）time

导入模块 import time 不常用但会看到的几个方法 time.altzone() 返回格林威治西部的夏令时地区的偏移秒数。往东是负数 time.asctime([time_tuple]) 接收时间元组，返回可读形式的日期字符串，不传参数默认是当前时间 格式：Tue Aug 20 09:54:50 2019 time.ctime([time_stamp]) 接收时间戳，返回可读形式...

凡心所向.AI 416

NUMPY与SCIPY的简介

Numpy和Scipy是python实现机器学习的利器，这篇21页的文档对它们进行了简介。

学习笔记(01):人工智能基础—Numpy科学计算库- 类型和属性

Numpy 是 Python 生态中最受欢迎的科学计算包，它所定义的数据组织结构，事实上已经成为所有数据处理模块、机器学习模块与2D/3D数据展示模块的标准数据结构了。本课程以 NumPy 为纲，穿插介绍了SciPy / Matplotlib / OpenCV / OpenGL 等Python热门领域的工具包，重在培养实战能力和综合应用能力。...

zengbo_01的博客 170

【SOC估计】基于EKF与二阶RC等效电路模型的锂电池SOC在线估计算法实现与仿真分析

本文详细介绍了基于扩展卡尔曼滤波(EKF)与二阶RC等效电路模型的锂电池SOC在线估计算法。通过Matlab仿真分析，展示了该算法如何实现高精度SOC估计，相比传统方法显著提升估计精度与鲁棒性，适用于电动汽车、储能系统等关键领域。

1098

手把手教你用RK3568开发板实现FPGA与Linux的DMA通信（含完整代码解析）

本文详细介绍了如何在RK3568开发板上实现FPGA与Linux系统的DMA通信，包括硬件配置、软件环境搭建、DMA通信原理、驱动开发及性能优化。通过完整的代码解析和实战案例，帮助开发者快速掌握异构系统间的高效数据传输技术，适用于物联网和边缘计算等场景。

weixin_29174385的博客 201

1.Python数据分析与应用——NumPy数值计算基础

1、创建数组对象 #numpy 基础 import numpy as np x=np.array([1,2,3,4]) print(x) #列表相加 y=[1,2,3,4]+[-1,-2,-3,-4] print(y) #数组相加 a=np.array([1,2,3,4]) b=np.array([-1,-2,-3,-4]) z=a+b print(z) [1 2 3 4] [1, 2, 3, ...

qq_44691784的博客 495

锐捷交换机堆叠配置举例

一、组网需求： 1）四台S2628G进行堆叠； 2）设备在堆叠前先设置好优先级； 3）使用光口堆叠的设备如RG-S2928G-E相关配置 二、组网拓扑 三、配置要点： 普通堆叠设备不需要配置，只要把堆叠模块和线缆连接好即可 堆叠模块不支持热插拔，即插在模块连上线缆后不能立即生效，需要重启设备才生效。 如果拔掉堆叠插槽后，想再插上模块堆叠，那么必须重启设备才生效 设备堆叠需要协商参数，时间会比较久，请耐心等待 堆叠时设备建议是...

dongsheng_9234的专栏 8285

Assignment | 01-week2 -Python Basics with Numpy (Part_1)

该系列仅在原课程基础上部分知识点添加个人学习笔记，或相关推导补充等。如有错误，还请批评指教。在学习了 Andrew Ng 课程的基础上，为了更方便的查阅复习，将其整理成文字。因本人一直在学习英语，所以该系列以英文为主，同时也建议读者以英文为主，中文辅助，以便后期进阶时，为学习相关领域的学术论文做铺垫。- ZJ Coursera 课程 |deeplearning.ai |网易云课堂

Self Improvement Lab 813

AI使用指南：6个超实用的Prompt提示词模板

最近越来越多人开始接触AI，但其实想要让AI更懂你，关键是掌握对的提示词模板！今天就给大家分享6种超实用的Prompt提示词模板，不管你是小白还是老手都能用

程序员世杰 8175

ADS重新安装失败排查指南：从注册表清理到环境变量配置

本文详细解析了ADS重新安装失败的常见原因及解决方案，包括注册表残留清理、license路径锁定处理和环境变量配置。通过分步指南和实用技巧，帮助工程师高效解决安装问题，确保软件正常运行。

weixin_42524708的博客 456

jyputer notebook 、jypyter、IPython basics

1 、修改jupyter默认工作目录：打开cmd，在命令行下指定想要进的工作目录，即键入“cd d/G:\0工作面试\学习记录”标红部分是想要进入的工作目录。 2、Tab补全 　　a、在命令行输入表达式时，按下Tab键即可为任意变量（对象、方法、属性等对象、函数、属性、模块的Tab补全格式为 “名称 .Tab”）搜索命令空间，与当前输入的字符进行匹配，列出完全的变量名、对象可执行...

weixin_30445169的博客 222

CANN/mat-chem-sim-pred：工业仿真预测平台架构升级

- [x] 新功能 - [x] 代码重构 - [x] 文档内容更新 - [x] 构建过程或辅助工具的变动 ## 概述 本 PR 是 `mat-chem-sim-pred` 仓库的一次重大架构升级，将仓库从一个面向化工行业的算子库，升级为**覆盖材料、化工、钢铁、油气等工业研发与生产业务的模拟仿真类和预测优化类全链路平台**。共提交 10 个 commit，229 个文件变更，+11,793 /

gitblog_00601的博客 878

Zotero on Mac: 高效文献管理与引用指南

本文为Mac用户提供了一份全面的Zotero高效文献管理与引用指南。从安装配置、文献收集管理、PDF深度阅读与笔记，到在Word中无缝插入引用和生成参考文献，详细讲解了核心工作流。同时推荐了ZotFile、Better BibTeX等必备插件，并介绍了利用同步与WebDAV实现跨设备无缝衔接的方法，助力研究者构建个人数字知识库，极大提升学术研究效率。

weixin_29281941的博客 1178

Unity如何实现数字人口型同步

SALSA LipSync v2是一款实时唇音同步系统，无需音素映射即可根据音频自动生成口型动画。系统提供三大核心功能：基于音频波形分析的智能口型同步、EmoteR表情随机化工具以及Eyes眼睛/头部追踪系统。配置流程简单快捷，只需导入模型后通过一键配置完成基础设置，再添加A/E/I/O/U等基本口型混合变形即可实现基础功能。进阶功能支持表情池管理（手动/随机/强调/重复触发）和眼部动作配置（骨骼旋转或混合变形）。系统支持三种输入方式：本地音频文件分析、麦克风实时输入和文本转语音，为数字人角色提供完整的表情

TxNet 761

5分钟装进Chrome：不切窗口就能问AI的本地浏览器助手 Page Assist

读长文时想问AI一句话，你得切窗口、复制、粘贴到一个新的聊天网页，思路断了。Page Assist 是一个开源的浏览器AI助手：它直接连上你自己电脑里的本地大模型，按一个快捷键在侧边栏弹出对话，当前网页不用动。 ## 它适合谁 如果你在用 Ollama 或 LM Studio 跑本地模型，但不想为聊天再开一个网页；如果你经常需要结合当前页面内容去读论文、看文档或外文新闻，这个本地大模型浏览器插

gitblog_07990的博客 515

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

Zen Browser内存优化终极指南：5个关键设置让浏览器告别卡顿与崩溃

开会到一半，视频会议突然掉线——浏览器把内存吃光了；同时开着十几个标签页，切换时画面转圈、风扇狂转……这种体验几乎每个重度浏览用户都经历过。好消息是，作为主打"更平静互联网"（Welcome to a calmer internet）的浏览器，Zen Browser在内存管理上做了大量功课，多数用户通过下面这套配置**能把内存占用降低40%~60%**，而且全程不需要编译任何代码。 本文从三个递

gitblog_00148的博客 750

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

机器学习四大核心算法实战：从决策树到神经网络，手把手教你项目落地

机器学习作为人工智能的核心技术，旨在通过算法模型从数据中学习规律并做出预测或决策。其核心原理在于通过训练数据优化模型参数，以最小化预测误差。这项技术的价值在于能够自动化处理复杂模式识别任务，提升决策效率和准确性，广泛应用于金融风控、医疗诊断、图像识别和推荐系统等领域。本文聚焦于机器学习中的四大基础且强大的算法——决策树、回归模型、神经网络和支持向量机（SVM），通过Python实战项目，详细解析了它们的核心思想、适用场景及调优技巧。文章特别强调了模型选择与评估的黄金准则，并提供了针对过拟合、欠拟合等常见问题

weixin_34293059的博客 292

温度PID控制PLC程序

温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值

Python中的NumPy（一）——基础(Basics)

NumPy基础 import numpy as np # Set seed for reproducibility np.random.seed(seed=1234) 1、标量（0维数组） 标量就是简简单单一个数（0维数组放在0个中括号内） 标量没有维度 shape是指形状，因为标量没有维度，所以也就没有形状 size是指有几个数 # Scalars x = np.array(6) # s...

m0_37827994的博客 305

[Python]（ jupyter notebook）查询路径, 添加路径, 路径拼接, os模块

查询路径 #查询存储位置, 绝对路径的规范写法 import os print(os.path.abspath(’.’)) # 得到当前文件所在目录的绝对路径 print(os.path.abspath(r’…’)) # 得到当前文件所在目录的上一级目录的绝对路径 #获取当前文件的路径, __file__为当前文件 import os os.path.abspath(‘file’) #获得某个路径...

QQi_coding的博客 8966

ImportError cannot import name DecisionTreeClassifier

因为在Anaconda更新了模块，再次使用jupyter运行代码，多个包/方法出现无法调用/名字不存在的问题。 最终明确这是模块版本问题。 无法调用sklearn.tree.DecisionTreeClassifier，是因为sklearn新版本删除了，所以无法调用，安装以前的版本就可以调用了。 #查看python位置 (base) C:\Users\fengc>where python C:\ProgramData\Anaconda3\python.exe C:\Users\fengc\AppD

QQi_coding的博客 6022

Kaggle离职员工分析

摘要：使用kaggle公开数据为数据源，使用Pyecharts分析员工离职情况。针对优秀员工， 使用决策树、随机森林 探索影响员工离职的主要因素 ，结果显示，主要因素为工作年限、员工满意度、月平均工作时长、最近一次评估结果、参与项目数量；又分别使用朴素贝叶斯和SVM模型 预测员工是否离职，其中随机森林预测准确度最高，AUC值可以达到99.05%，SVM模型次之，AUC值为97.43%。 针对最低留存率工作年限的员工， 使用逻辑回归模型 分析最低留存率工作年限（第五年）员工离职的主要驱动力 。结果显示，延长平

QQi_coding的博客 5737

用户定向拉新及拉新策略建议

寻找定向拉新用户及拉新策略建议 问题分析：运营部门想在下周做一次定向拉新的测试（试点：Frog青旅酒店，位于杭州），请数据分析帮助运营同事完成此次定向拉新。 分析思路：基于LBS数据找到定向拉新的用户，并基于用户特征设计拉新策略。 一、寻找青旅酒店潜在用户 读取数据，分类变量转换为哑变量，选取’tenure’,‘MonthlyCharges’,'FrequentTraveler_Yes’作为特征向量。 近邻检索前将数据标准化，创建一个NearestNeighbors对象，按照欧几里得距离寻找特点点周围2个

QQi_coding的博客 1505

AI全栈实战 | 3.9-01 爬虫入门：requests 加 BeautifulSoup 三分钟跑通，但 90% 的人栽在这 4 个“礼貌“问题上

⚠️：本文内容仅用于。请遵守目标站点的服务条款与相关法律法规，不得对目标服务造成负担，不得采集、传播个人隐私数据。技术是中性的，边界在你手里。爬虫的入门技术（requests 发请求 + BeautifulSoup 解析）三分钟就能学会。真正区分"会用爬虫"和"会做爬虫的人"的，是这篇我们跑通"请求→解析→存储"的最小闭环，然后重点把"合规与礼貌"这根弦给你绷上。

源码获取 | 运行部署 | 定制二开修改，如果回复不及时请耐心等待，请见谅。 411
上一篇： [Tableau] 销售团队绩效分析与相关策略指导
下一篇： 5G产业发展驱动因素分析
点赞 0
评论 0
书签 书签 0
QQi_coding
QQi_coding
博客等级 码龄7年 22粉丝 10原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值