XQC_KKK的博客

除了提供多维数组对象 ndarrary 、高效的数组操作函数和方法外， NumPy 还支持磁盘文本或二进制数据的读写操作。NumPy 提供了两个主要的函数，分别用于将 ndarray 写入磁盘和从磁盘中读入保存的数组数据文件。在默认情况下，数组会以未压缩的二进制格式保存在文件扩展名为.npy 的文件中。import numpy as nparr1 = np.random.randn(10)#创建数组arr2 = np.random.randn(10)arr_res = arr1 + arr2

NumPy的random子模块提供了一系列高效生成多种概率分布函数。比如randn()函数创建随机数据。使用normal()函数可以创建标准正态分布抽样数据。import numpy as npprint(np.random.normal(size=(5,5)))[[ 0.79992821 -1.78133841 0.06778658 0.03911525 0.13360691] [ 1.31529311 -0.48196512 -1.03440143 2.38338257 0.670

线性代数的主要内容是矩阵乘法、矩阵分解和行列式等，由于矩阵运算方法与基本的数值计算有极大的不同，NumPy提供了专门的方法或函数实现线性代数操作。import numpy as npx = np.array([[1,2,3],[4,5,6]])y = np.array([[3,4,5],[7,8,9]])print(x*y)[[ 3 8 15] [28 40 54]]Process finished with exit code 0使用乘法运算符得到的是两个数组元素级别的相乘，而不是

数据处理离不开排序和集合操作，NumPy也提供了相应的操作方法或函数。sort()方法可以实现ndarray的就地排序。import numpy as nparr = np.random.randn(10)print(arr)arr.sort()print(arr)如果操作的是多维数组，需要按照某个轴进行排序，则要指定轴的编号。import numpy as nparr = np.random.randn(3,4)print(arr)arr.sort(1)#每行按升序排列print

NumPy除了提供很多便利的通用函数，还提供了一些数学统计的基本方法，用于计算常见的统计量，如均值、方差、标准差。接下来通过案例加强学习：import numpy as nparr = np.random.randn(5,5)print(arr)print(arr.mean())#求均值print(arr.sum())#求和print(arr.var())#求方差print(arr.std())#求标准差对于整个数组计算结果都是标量，但如果指定一个轴向参数axis，最终的结果会是一个一维

在NumPy 中，除了ndarray数组操作的操作符（算数、比较等）运算是元素级别的，还可以操作ndarray的各类通用函数也执行元素级运算。NumPy的简便在于，用户操作向量化计算与标量化计算的操作方法基本相同。案例：import numpy as nparr = np.arange(10).reshape((2,5))#产生一个数组，然后重塑数组print(arr)print("开方函数sqrt(arr)：\n{}".format(np.sqrt(arr)))一些函数接收两个或多个数组

1.数组运算import numpy as nparr = np.array([[2,3.,4],[4,5.4,6]])print(arr)print("-------------------------")print(arr*arr)print("-------------------------")print(arr**2)print("-------------------------")print(arr-arr)print("-------------------------"

一、ndarray ( N 维数组对象）是一个快速且灵活的数据集容器， Python 用户可以利用 ndarray对数组的整块数据或选择性数据执行批量操作，它的语法与标量运算一致。使用列表和元组创建 ndarrayimport numpy as npprint(np.array([1,3,5,7]))print(np.array((2,4,6,8)))二、嵌套列表可以转换为一个多维数组，数组元素等长和不等长会得到不同类型的结果。从下面代码的输出中可以发现，当输入的嵌套列表元素等长时，得到的