qq_36744449的博客

https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy线性代数Numpy 定义了 matrix 类型，使用该 matrix 类型创建的是矩阵对象，它们的加减乘除运算缺省采用矩阵方式计算，因此用法和Matlab十分类似。但是由于 NumPy 中同时存在 ndarray 和 matrix 对象，因此用户很容易将两者弄混。这有违 Python 的“显式优于隐式”的原则，因此官方并不推荐在程序

https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy统计相关次序统计计算最小值numpy.amin(a[, axis=None, out=None, keepdims=np._NoValue,initial=np._NoValue, where=np._NoValue])Return the minimum of anarray or minimum along an ax

https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy随机抽样numpy.random 模块对 Python 内置的 random 进行了补充，增加了一些用于高效生成多种概率分布的样本值的函数，如正态分布、泊松分布等。numpy.random.seed(seed=None) Seed the generator.seed()用于指定随机数生成时所用算法开始的整数值，如果使用相同

https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy搜索numpy.argmax()numpy.argmax(a[, axis=None, out=None])Returns the indices of the maximum values along an axis.numpy中获取array的某一个维度中数值最大的那个元素的索引import numpy as np

https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy排序numpy.sort()numpy.sort(a[, axis=-1, kind=‘quicksort’, order=None]) Return a sorted copy of an array.axis：排序沿数组的（轴）方向，0表示按行，1表示按列，None表示展开来排序，默认为-1，表示沿最后的轴排序。kind

https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy集合操作构造集合numpy.unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None) Find the unique elements of an array.return_index=True 表示返回新列表元素在

https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy逻辑函数真值测试numpy.allnumpy.anynumpy.all(a, axis=None, out=None, keepdims=np._NoValue) Test whether all array elements along a given axis evaluate to True.numpy.any(a,

https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy向量化和广播向量化和广播这两个概念是 numpy 内部实现的基础。有了向量化，编写代码时无需使用显式循环。这些循环实际上不能省略，只不过是在内部实现，被代码中的其他结构代替。向量化的应用使得代码更简洁，可读性更强，也可以说使用了向量化方法的代码看上去更“Pythonic”。广播（Broadcasting）机制描述了 numpy 如

https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy数组操作1. 更改形状在对数组进行操作时，为了满足格式和计算的要求通常会改变其形状。numpy.ndarray.shape表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。【例】通过修改 shape 属性来改变数组的形状。import numpy as npx = np.array

https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy1. 副本与视图在 Numpy 中，尤其是在做数组运算或数组操作时，返回结果不是数组的 副本 就是 视图。在 Numpy 中，所有赋值运算不会为数组和数组中的任何元素创建副本。numpy.ndarray.copy() 函数创建一个副本。 对副本数据进行修改，不会影响到原始数据，它们物理内存不在同一位置。import num

1.常量numpy.nan 表示空值。import numpy as npx = np.array([1, 1, 8, np.nan, 10])print(x)# [ 1. 1. 8. nan 10.]y = np.isnan(x)print(y)# [False False False True False]z = np.count_nonzero(y) #用于统计数组中非零元素的个数print(z) # 1numpy.inf 表示正无穷大。numpy.pi