<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[YuanShuo_的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/YuanShuo_</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; YuanShuo_]]></copyright><item><title><![CDATA[NumPy库——广播（broadcasting）]]></title><link>https://blog.youkuaiyun.com/YuanShuo_/article/details/137163695</link><guid>https://blog.youkuaiyun.com/YuanShuo_/article/details/137163695</guid><author>YuanShuo_</author><pubDate>Mon, 01 Apr 2024 07:00:00 +0800</pubDate><description><![CDATA[通过上述例子，我们可以明显的发现，两个形状相差很大的数组，也完成了加法运算。所以，我们可以很明显的察觉到，这其中必定是进行了一些微小的数据处理，那么具体是怎么操作的呢？但是到这里，肯定又有很多小伙伴要问了，这两个数组的形状还是有点巧合的，他们在某一方向上的形状是相同的。但是如果两个数组的形状不相同，就会进行。那么这个1*3的数组就要进行扩充，将自己变为4*3的数组便于进行计算。这样一来，就得到了上述代码所呈现的运行结果。那么，接下来我们展示一下，当两个数组的形状不同时，是怎样自动触发广播机制的？]]></description><category></category></item><item><title><![CDATA[NumPy库中的ufunc函数——自定义ufunc函数]]></title><link>https://blog.youkuaiyun.com/YuanShuo_/article/details/137121878</link><guid>https://blog.youkuaiyun.com/YuanShuo_/article/details/137121878</guid><author>YuanShuo_</author><pubDate>Sun, 31 Mar 2024 07:00:00 +0800</pubDate><description><![CDATA[调用格式：func：计算函数nin：func（）输入参数的个数nout；func（）输出参数的个数r = 0r = 0else:r = areturn rprint(y)运行结果：这样，我们就完成了一个自定义的ufunc函数。]]></description><category></category></item><item><title><![CDATA[NumPy库中的ufunc函数——算术函数]]></title><link>https://blog.youkuaiyun.com/YuanShuo_/article/details/137120469</link><guid>https://blog.youkuaiyun.com/YuanShuo_/article/details/137120469</guid><author>YuanShuo_</author><pubDate>Sat, 30 Mar 2024 07:00:00 +0800</pubDate><description><![CDATA[NumPy库提供了许多的ufunc函数，这里我们介绍一些用于运算的函数。]]></description><category></category></item><item><title><![CDATA[ufunc函数——简介及其代码展示]]></title><link>https://blog.youkuaiyun.com/YuanShuo_/article/details/137060429</link><guid>https://blog.youkuaiyun.com/YuanShuo_/article/details/137060429</guid><author>YuanShuo_</author><pubDate>Fri, 29 Mar 2024 07:00:00 +0800</pubDate><description><![CDATA[由于在 PyCharm 中直接查看 Python 代码的运行速度并不像一些专门的性能分析工具那样直观。但是，我们可以通过time模块来测量代码段的运行时间。ufunc是一种可以对数组每个元素进行运算的函数。Numpy的许多ufunc函数都是用C语言实现的，因此他们的运算速度非常快。我们举个例子来看一下是怎样运用ufunc函数进行计算的吧！可以明显地看出来这种做法，运行时间要慢了许多！同时见识一下ufunc的速度！]]></description><category></category></item><item><title><![CDATA[NumPy库中的ndarray对象——ndarray的切片和索引]]></title><link>https://blog.youkuaiyun.com/YuanShuo_/article/details/137048612</link><guid>https://blog.youkuaiyun.com/YuanShuo_/article/details/137048612</guid><author>YuanShuo_</author><pubDate>Thu, 28 Mar 2024 07:00:00 +0800</pubDate><description><![CDATA[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。对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素，如果目标是二维数组，那么就是对应下标的行。这个数组中的每个元素都是目标数组中某个维度上的索引值。第一个2代表的是start，7代表的是stop，第二个2代表的是step（步长）-------读取下标对应的元素-------]]></description><category></category></item><item><title><![CDATA[NumPy库中的ndarray对象——ndarray的属性]]></title><link>https://blog.youkuaiyun.com/YuanShuo_/article/details/137046539</link><guid>https://blog.youkuaiyun.com/YuanShuo_/article/details/137046539</guid><author>YuanShuo_</author><pubDate>Wed, 27 Mar 2024 07:00:00 +0800</pubDate><description><![CDATA[在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。给大家解释一下上边这句话，列优先，行其次，两个一维数组组成了一个二维数组，也就是说其中一个一维数组作了列，另一个一维数组做了行。所以0代表列，1代表行。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。]]></description><category></category></item><item><title><![CDATA[NumPy库中的ndarray对象——ndarray的创建]]></title><link>https://blog.youkuaiyun.com/YuanShuo_/article/details/137043790</link><guid>https://blog.youkuaiyun.com/YuanShuo_/article/details/137043790</guid><author>YuanShuo_</author><pubDate>Tue, 26 Mar 2024 19:00:00 +0800</pubDate><description><![CDATA[在NumPy中的核心对象就是ndarray，NumPy函数库里的所有函数都是围绕ndarray展开的。我们可以将ndarray看作是数组，类似于向量或矩阵。比如，我们看一下以下几行代码及其运行结果在这里，np.array(),括号里边既可以是list类型、也可以是tupe类型，而nd.array展示的结果就是一个向量或矩阵。nd.array对维数没有限制。但是我们这样看ndarray好像是一个画蛇添足的把戏，不就是对于列表和元组换了一个书写形式嘛，甚至感觉还更麻烦了一些。]]></description><category></category></item><item><title><![CDATA[python——温度传感器实验代码实现]]></title><link>https://blog.youkuaiyun.com/YuanShuo_/article/details/136993187</link><guid>https://blog.youkuaiyun.com/YuanShuo_/article/details/136993187</guid><author>YuanShuo_</author><pubDate>Sun, 24 Mar 2024 20:00:10 +0800</pubDate><description><![CDATA[视频我们就放在这里，B站的链接放在评论区！用python实现温度传感器数据处理。]]></description><category></category></item><item><title><![CDATA[python——一个获取表格的函数及其详细解释]]></title><link>https://blog.youkuaiyun.com/YuanShuo_/article/details/136977469</link><guid>https://blog.youkuaiyun.com/YuanShuo_/article/details/136977469</guid><author>YuanShuo_</author><pubDate>Sat, 23 Mar 2024 23:07:17 +0800</pubDate><description><![CDATA[split(): 这是字符串对象的一个方法，用于将字符串按照指定的分隔符（如果没有指定分隔符，则默认使用空白字符，包括空格、换行符、制表符等）分割成一个列表。# 在这句代码里，_ in range(n)是一个外部循环，[0 for _ in range(m)]是一个内循环，它嵌套在外部循环中。# 组合在一起，input().split() 读取用户输入的一行文本，然后按照空白字符分割这行文本，最终返回一个字符串列表。# 每次外部循环迭代时，内部循环都会执行m次，m是表格的列数，n是表格的行数。]]></description><category></category></item><item><title><![CDATA[python——实现多普勒综合效应实验数据的处理]]></title><link>https://blog.youkuaiyun.com/YuanShuo_/article/details/136887819</link><guid>https://blog.youkuaiyun.com/YuanShuo_/article/details/136887819</guid><author>YuanShuo_</author><pubDate>Wed, 20 Mar 2024 20:33:11 +0800</pubDate><description><![CDATA[然后由于此次实验的数据是以表格形式创建的，所以我们要先构建一个函数，用于获取用户根据实验获得的实验表格。初次尝试发帖，如有纰漏，敬请指正！通过这个函数就可以获取数据！]]></description><category></category></item></channel></rss>