NumPy用户指南（3）——初学者基础知识（NumPy: the absolute basics for beginners）1

最新推荐文章于 2025-06-27 20:43:57 发布
原创 最新推荐文章于 2025-06-27 20:43:57 发布 · 3w 阅读 · 0 ·
CC 4.0 BY-SA版权
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。

NumPy是Python中用于科学计算的核心库，提供多维数组和矩阵数据结构，支持高效的数组操作和广泛的数学函数。适用于从初学者到高级研究人员的各种用户，其API被众多数据科学和科学计算包如Pandas、SciPy和Matplotlib等广泛采用。通过NumPy，用户能够方便地执行数值计算并利用强大的数学功能处理数组和矩阵数据。

此系列文章参照NumPy官方用户指南1.2.1版本进行翻译、解读（直译说不清楚的可能会加入自己的一些理解）。
《NumPy: the absolute basics for beginners》以问答的形式说明了NumPy比较基础、重要的一些概念和应用范式以便于初学者快速掌握NumPy的应用。

NumPy简介：Welcome to NumPy!

NumPy (Numerical Python) 是一个几乎应用于科学和工程各个领域的开源Python库，它是Python处理数值型数据的通用标准，也是Python科学计算和Python数据科学生态系统的核心。NumPy用户包括从最初的程序员到从事最先进的科学和工业研究与开发的有经验的研究人员。NumPyAPI广泛用于Pandas、SciPy、Matplotlib、sciket-learn、scikit-image和大多数其他Python数据科学和科学计算包中。

NumPy库包含多维数组和矩阵数据结构（您将在后面的部分中找到有关这方面的更多信息）。它为ndarray（一个均匀的n维数组对象）提供了有效操作的方法。NumPy可以用于对数组执行各种各样的数学运算。它为Python添加了强大的数据结构，保证了数组和矩阵的高效计算，并提供了一个庞大的高级数学函数库，这些函数可以对这些数组和矩阵进行操作。

在这里了解更多关于NumPy的信息！
NumPy (Numerical Python) is an open source Python library that’s used in almost every field of science and engineering. It’s the universal standard for working with n

最低0.47元/天 解锁文章
python——numpy
chansf的博客
05-30 285
数组的数据类型dtype默认为float, 可用“dtype = float”等指定数据类型。numpy是Python中的一个运算速度非常快的一个数学库，主要用于对多维数组执行计算。可选参数order='C’行优先/'F’列优先。
Python 领域：NumPy 数组的元素筛选与过滤
最新发布
Python编程之道的博客
07-11 403
本文旨在系统讲解NumPy数组中元素筛选与过滤的各种方法和技术。我们将覆盖从基础到高级的筛选技术，包括布尔索引、条件组合、花式索引等，并深入探讨其底层实现原理和性能特征。文章首先介绍NumPy数组筛选的基本概念，然后深入各种筛选技术的实现原理，接着通过实际案例展示应用方法，最后讨论性能优化和高级技巧。布尔索引(Boolean Indexing): 使用布尔值数组选择元素的方法条件过滤(Conditional Filtering): 根据条件表达式筛选元素花式索引(Fancy Indexing)
numpy用户指南
11-20
python数据分析，numpy用户指南。python数据分析，numpy用户指南。
Numpy用户指南.pdf
05-21
说明：本文档所有内容来源于网络 https://www.numpy.org.cn/user/ 目录 1. NUMPY 介绍 1 1.1 什么是 NUMPY? 1 1.2 为什么 NUMPY 这么快？ 3 1.3 还有谁在使用 NUMPY？ 3 2. 快速入门教程 4 2.1 先决条件 4 2.2 基础知识 4 2.2.1一个例子 5 2.2.2 数组创建 6 2.2.3 打印数组 8 2.2.4 基本操作 10 2.2.5 通函数 13 2.2.6 索引、切片和迭代 14 2.3 形状操纵 18 2.3.1改变数组的形状 18 2.3.2 将不同数组堆叠在一起 20 2.3.3 将一个数组拆分成几个较小的数组 22 2.4 拷贝和视图 23 2.4.1 完全不复制 23 2.4.2 视图或浅拷贝 24 2.4.3 深拷贝 25 2.4.4 功能和方法概述 26 2.5 LESS 基础 26 广播（Broadcasting）规则 27 2.6 花式索引和索引技巧 27 2.6.1使用索引数组进行索引 27 2.6.2使用布尔数组进行索引 31 2.6.3 ix_()函数 34 2.6.4使用字符串建立索引 37 2.7线性代数 37 简单数组操作 37 2.8技巧和提示 38 2.8.1“自动”整形 39 2.8.2矢量堆叠 39 2.8.3直方图 40 2.9进一步阅读 41 3. NUMPY 基础知识 42 3.1 数据类型 42 3.1.1 数组类型之间的转换 42 3.1.2 数组标量 45 3.1.3 溢出错误 46 3.1.4 扩展精度 47 3.2 创建数组 47 3.2.1 简介 48 3.2.2 将Python array_like对象转换为Numpy数组 48 3.2.3 Numpy原生数组的创建 48 3.2.4 从磁盘读取数组 50 3.3 NUMPY与输入输出 51 3.3.1 定义输入 51 3.3.2 将行拆分为列 52 3.3.3 跳过直线并选择列 54 3.3.4 选择数据的类型 55 3.3.5 设置名称 56 3.3.6 调整转换 59 3.3.7 快捷方式函数 62 3.4 索引 62 3.4.1 赋值与引用 63 3.4.2 单个元素索引 63 3.4.3 其他索引选项 64 3.4.4 索引数组 65 3.4.5 索引多维数组 66 3.4.6 布尔或“掩码”索引数组 67 3.4.7 将索引数组与切片组合 69 3.4.8 结构索引工具 70 3.4.9 为索引数组赋值 71 3.4.10 在程序中处理可变数量的索引 72 3.5 广播 73 3.6 字节交换 78 3.6.1字节排序和ndarrays简介 78 3.6.2 更改字节顺序 80 3.7 结构化数组 82 3.7.1 介绍 82 3.7.2 结构化数据类型 83 3.7.3 索引和分配给结构化数组 88 3.7.4 记录数组 96 3.7.5 Recarray Helper 函数 98 3.8编写自定义数组容器 116 3.9子类化NDARRAY 124 3.9.1 介绍 124 3.9.2 视图投影 125 3.9.3 从模板创建 126 3.9.4 视图投影与从模板创建的关系 126 3.9.5 子类化的含义 126 3.9.6 简单示例 —— 向ndarray添加额外属性 132 3.9.7 稍微更现实的例子 —— 添加到现有数组的属性 134 3.9.8 __array_ufunc__ 对于ufuncs 135 3.9.9 __array_wrap__用于ufuncs和其他函数 139 3.9.10 额外的坑 —— 自定义的 __del__ 方法和 ndarray.base 142 3.9.11 子类和下游兼容性 143 4. 其他杂项 144 4.1 IEEE 754 浮点特殊值 144 4.2 NUMPY 如何处理数字异常的 146 4.3 示例 146 4.4 连接到 C 的方式 147 4.4.1 不借助任何工具, 手动打包你的C语言代码。 147 4.4.2 Cython 148 4.4.3 ctypes 148 4.4.4 SWIG（自动包装发生器） 149 4.4.5 scipy.weave 149 4.4.6 Psyco 149 5. 与MATLAB比较 149 5.1 介绍 150 5.2 一些关键的差异 150 5.3 'ARRAY'或'MATRIX'？我应该使用哪个？ 151 5.3.1 简答 151 5.3.2 长答案 151 5.4 MATLAB 和 NUMPY粗略的功能对应表 153 5.4.1 一般功能的对应表 153 5.4.2 线性代数功能对应表 154 5.5 备注 161 5.6 自定义您的环境 163 5.7 链接 164 6. 从源代码构建 164 6.1 先决条件 164 6.2 基本安装 164 6.3 测试 165 并行构建 165 6.4 FORTRAN ABI不匹配 165 6.4.1 选择fortran编译器 166 6.4.2 如何检查BLAS / LAPACK /地图集ABI 166 6.5 加速BLAS / LAPACK库 166 6.5.1 BLAS 166 6.5.2 LAPACK 167 6.5.3 禁用ATLAS和其他加速库 167 6.6 提供额外的编译器标志 168 6.7 使用ATLAS支持构建 168 7. 使用NUMPY的C-API 168 7.1 如何扩展NUMPY 168 7.1.1 编写扩展模板 169 7.1.2 必需的子程序 169 7.1.3 定义函数 171 7.1.4 处理数组对象 175 7.1.5 示例 180 7.2 使用PYTHON作为胶水 182 7.2.1 从Python调用其他编译库 183 7.2.2 手工生成的包装器 183 7.2.3 f2py 184 7.2.4 用Cython 191 7.2.5 ctypes 196 7.2.6 您可能会觉得有用的其他工具 206 7.3 编写自己的UFUNC 208 7.3.1 创建一个新的ufunc 208 7.3.2 示例非ufunc扩展名 209 7.3.3 一种dtype的NumPy ufunc示例 215 7.3.4 示例具有多个dtypes的NumPy ufunc 221 7.3.5 示例具有多个参数/返回值的NumPy ufunc 230 7.3.6 示例带有结构化数组dtype参数的NumPy ufunc 235 7.4 深入的知识 241 7.4.1 迭代数组中的元素 242 7.4.2 用户定义的数据类型 246 7.4.3 在C中对ndarray进行子类型化 249
NumPy用户指南中文版
08-05
NumPy入门教程，适合Numpy的学习者，本教程由本人翻译和整理，未经同意不得转载。谢谢！
Numpy用户指南
xiaoQL520的博客
09-21 900
Numpy用户指南
Demystifying the Principles of Generative Adversarial Networks (GANs): Essential Basics and ...
Introduction to Generative Adversarial Networks (GANs): Essential Basics and Techniques for Beginners Generative Adversarial Networks (GANs) represent a significant breakthrough in the field of deep...
解锁 Python NumPy 的数组掩码操作
Python编程之道的博客
06-27 940
本文旨在全面介绍NumPy库中的数组掩码操作技术，包括布尔掩码、索引掩码以及它们的各种应用场景。我们将深入探讨这些技术的底层原理、实现方式以及性能优化策略。文章将从基础概念开始，逐步深入到高级应用。我们将首先介绍掩码的基本概念，然后探讨其数学原理，接着通过实际代码示例展示各种应用场景，最后讨论性能优化和实际应用中的注意事项。数组掩码(Array Masking): 使用布尔值或索引数组来选择原数组中的特定元素布尔掩码(Boolean Masking): 使用与原始数组形状相同的布尔数组进行元素选择。
Numpy 中文用户指南 3.1 数据类型
weixin_33716557的博客
03-24 213
原文：Data types 译者：飞龙 ‍ 另见 数据类型对象 数组类型和类型之间的转换 NumPy支持的数值类型比Python更多。这一节会讲述所有可用的类型，以及如何改变数组的数据类型。 数据类型 描述 bool_ 以字节存储的布尔值（True 或 False） int_ 默认的整数类型（和 C 的 long 一...
《Numpy 中文用户指南》PDF
09-01
《Numpy 中文用户指南》
numpy官方用户指南手册1.8.1.pdf
06-30
numpy是python的一个强大的矩阵库。
NumPy学习指南(第2版)
01-02
NumPy学习指南第2版 NumPy学习指南第2版 NumPy学习指南第2版 NumPy学习指南第2版
python教程NumPy学习（第2版）配套代码
11-14
大数据学习基础，python教程NumPy学习（第2版）配套代码.
NumPy用户指南（1）——NumPy简介
热门推荐
mighty13的专栏
07-06 3万+
此系列文章参照NumPy官方用户指南1.2.1版本进行翻译、解读（直译说不清楚的可能会加入自己的一些理解）。 NumPy简介 NumPy概述 NumPy是Python科学计算的基础包。它提供了多维数组对象及其各种派生对象（如掩码数组和矩阵），它还提供了用于数组快速操作的各种API，包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换（DFT）、基本线性代数，基本统计运算和随机模拟等。 ndarray对象是NumPy包的核心。ndarray对象封装了相同数据类型的 n 维数组，出于性能方面的考虑，n
Numpy快速上手指南 --- 进阶篇
weixin_43948810的博客
12-07 498
文章目录1. 广播法则(rule)2. 花哨的索引和索引技巧通过数组索引通过布尔数组索引ix_()函数用字符串索引3. 线性代数简单数组运算矩阵类索引：比较矩阵和二维数组4. 技巧和提示"自动" 改变形状向量组合(stacking)直方图(histogram) 这篇文档是参加「DATA TRAIN|金融行业数据算法练习赛」的前期学习素材。 文档内容转载整理自知乎文章 Nupmy的详细教程 及Sc...
总结——pandas/numpy处理数据中文手册速查
WxyangID的博客
05-07 1539
之前对pandas一直模棱两可。今天在这里做个总结，算是帮助理解记忆吧。list是Python中的数据类型，其中的元素数据类型可以不同。array是numpy中的数据类型，其中的元素数据类型必须相同。numpy 参考手册：http://old.sebug.net/paper/books/scipydoc/numpy_intro.htmlpandas参考：https://www.cnblogs.co...
Numpy学习指南首篇笔记
honorwh的博客
04-11 455
第二章Numpy基础 涵盖以下内容： 1.数据类型 2.数组类型 3.类型转换 4.创建数组 5.数组索引 6.数组切片 7.改变维度 先创建数组： import numpy as np #导入numpy库 a = np.arange(5) #创建一维数组 a.dtype 得到dtype（‘int64’） #获取数据类型 a 得...
试验性的Numpy教程(译)
weixin_34377065的博客
08-24 1434
2019独角兽企业重金招聘Python工程师标准>>> ...
NumPy 1.5初学者指南：掌握Python科学计算基础
《[Packt Publishing] NumPy 1.5 初学者指南（英文版）》是一本专为希望掌握NumPy库的Python初学者和科学计算爱好者设计的系统性入门教程。该书由Ivan Idris撰写，于2011年11月8日由国际知名技术出版机构Packt ...
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
 
红包 添加红包
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