参考了https://www.yiibai.com/numpy/numpy_ndarray_object.html。其实opencv对像素进行运算用的就是numpy，它的MATLAB真的很像。学会了numpy，后面像素运算就完全看得懂了，或者说必须会numpy，否则的话，没办法往下学，那么废话不多说，直接开始吧。 下图中可以看到，二维数组的单维是可以元素个数不
转载
2024-05-23 21:37:14
366阅读
基本统计方法在日常的工作当中，我们经常需要通过一系列值来了解特征的分布情况。比较常用的有均值、方差、标准差、百分位数等等。前面几个都比较好理解，简单介绍一下这个百分位数，它是指将元素从小到大排列之后，排在第x%位上的值。我们一般常用的是25%，50%和75%这三个值，通过这几个值，我们很容易对于整个特征的分布有一个大概的了解。前面三个指标：均值、方差、标准差都很好理解，我们直接看代码就行。
转载
2024-06-20 06:11:29
89阅读
前言正如我前面所讲，量化交易背后是有着一套严谨计算的过程的。我们进行量化交易时，如果进行原始数据的分析，一般避免不了进行数据的运算。所以，按照我跟大家讲的量化交易学习路线，我们需要先学习下numpy和pandas，这两个是python进行数据运算和处理的两个比较重要的依赖包。我们本篇文章先来看下，量化交易计算的Numpy。这里，我必须先友情提示下，接下去两章的内容会比较枯燥，因为涉及到一些数据计算
numpy基础知识1：创建数组import numpy as np
#数组的基本属性
#二维数组
A = np.array([[1,2,3],[4,5,6]])
print('A=\n',A)
print('数组的尺寸（几行几列）：',A.shape)
print('查看第一个维度的大小（即行数）：',A.shape[0])
print('查看第二个维度的大小（即列数）：',A.shape[1]
转载
2024-05-29 09:29:24
150阅读
Numpy提供大量用数组操作的函数，其中不乏常见的排序函数。这里讲一下numpy.sort、numpy.argsort、numpy.lexsort三种排序函数的用法。1、如何对数组元素进行快速排序？使用numpy.sort函数可以对数组进行排序，并返回排序好的数组。使用方法： numpy.sort(a, axis=-1, kind=None, order=None) 参数：a : 要排序的数组；a
转载
2024-10-16 20:43:43
88阅读
数组
可以存储多个元素的容器（多个元素必须是同一个数据类型）
格式：
数据类型 [ ] 数组名；例，int [ ] arr
数据类型 数组名 [ ]；例，int arr [ ]数组初始化
动态初始化：具体数组中的元素值，由系统默认给定，数组长度由开发者定义！格式：
数据类型 [ ] 数组名 = new 数据类型 [ 数组长度 ] ；
数据类型 数组名 [ ] = new 数据类型 [ 数
转载
2024-06-01 14:10:12
83阅读
Numpy首先要安装numpy，这里我们下载了anaconda，便于调用,创建一个二维数组，类型为floatimport numpy as np#array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0,like=None)
array=np.array([[1,2,3],[1,1,2]],dtype=float
转载
2024-03-25 15:28:38
115阅读
文章目录NumPy - Ndarray 对象数组类型NumPy - 数组属性创建数组索引和切片索引切片高级索引整数索引布尔索引数组操作修改数组形状翻转数组修改数组维度对数组进行广播运算连接数组分割数组数组的添加和删除数组排序函数字符串函数数学函数用法算数函数矩阵空矩阵0矩阵全1矩阵单位矩阵，对角线为1对角阵随机矩阵 NumPy - Ndarray 对象NumPy 中定义的最重要的对象是称为 nd
转载
2024-04-18 14:18:49
135阅读
一.创建ndarray对象我们习惯以as np的方式导入Numpy函数库。import numpy as npndarray对象表示一个数组，Numpy所有的函数都关于这个对象进行操作的。 下面的代码我是使用交互式IPython运行的，所以没有使用print输出，而是直接输出对象展现的。方法一：直接赋值法a = np.array([1,2,3,4]) # 一维数组
b = np.array([[1
1. numpy多维数组的理解关于多维数组比较抽象，特别是非图形化的，而是存储在内存中的形式。关于numpy多维数组的简单理解，先看下图：不像matlab，numpy是行优先存储的，所以numpy数组的最后一个维度永远是列，这些元素基本上总是在内存中是连续的。一维是一个列表，那么二维就是列表的列表，所以上图2维理解就是最外面的列表有两个列表，然后每个内部列表有四个对象。对于三维来说，每个列表有两个
转载
2024-05-02 14:50:22
38阅读
【数据分析：工具篇】NumPy（3）NumPy深度使用详解-2NumPy深度使用详解-2数组的切片常规切片方法高级切片方法数组操作调整形状连接数组分割数组数组展平维度转置最大值的索引最小值的索引总结 NumPy深度使用详解-2NumPy是Python的一个常用科学计算库，它是Numerical Python的缩写。它的核心是一个多维数组对象（ndarray），这个对象是一个快速而灵活的容器，可以
转载
2023-12-13 04:04:34
489阅读
分析： 这个题目相对来说比较好理解，首先我们需要了解二位数组的下标是什么意思，a[3][2]这个数组代表的意思是这是一个具有3行2列的数组，数组名叫做a。数组名后面的第一个数字代表这个二维数组的行数，第二个数字代表二维数组的列数。 
一。索引与切片。 nump的索引和python中的索引差不多，都是左开右闭区间。 如一个普通的array的索引，是由0开始的：res = np.array([1,2,3,4,5]) #### nparray索引是从0开始
res[1]
2 一个二维数组的索引有两种res = np.array([[1,2,3,5],[6,7,8,9]])
res[1,1]
7 或者（推荐）：res[1][1
转载
2024-02-29 22:36:15
205阅读
数组，占据一块连续内存并按照顺序存储数据的一种最简单的数据结构。数组的空间效率不好，经常会有空闲的区域没有得到充分利用。数组的时间效率较好，可以根据下标在O（1）时间读写任何元素。可以利用数组来实现简单哈希表O（1）查找：以数组下标作为哈希表的键值key，以数组中的每一个数字作为哈希表的值（value).值得注意的是，当数组作为函数的参数进行传递时，数组会自动退化为同类型的指针。题目：
在一个二维
转载
2024-07-04 06:17:53
62阅读
一维数组的值是一个指针常量，它的类型是“指向元素类型的指针”，它指向数组的第1个元素。多维数组的也差不多。唯一的区别就是多维数组的第1维的元素实际上是另一个数组。二维数组介绍二维数组，例如：int matrix[3][10];创建了matrix，它可以看作是一个一维数组，包含3个元素，只是每个元素恰好是包含10个整形元素的数组。 matrix这个名字的值（*matrix）是一个指向它第一个元素的指
转载
2024-04-06 20:56:41
39阅读
numpy的操作（一）一、 numpy简介二、numpy应用1.数组创建和基本属性2.numpy中专门构造数组的函数3.数组的访问4.数组的运算 — ufunc函数5.ufunc广播机制 一、 numpy简介1、numpy是用于科学计算基础的模块，主要被用作高效的多维储存容器，可以用来储存容器，可以用来储存和处理大型的矩阵。 2、numpy 提供了两种基本的对象：ndarray（数组，表示储存单
转载
2023-08-10 15:15:25
173阅读
Numpy NumPy
（
Numerical Python
的简称）是高性能科学计算和数据分析的基础包， 其中包含了数组对象
(
向量、矩阵、图像等
)
以及线性代数等。 NumPy库主要功能 •
ndarray(
数组
)
是具有矢量算术运算和复杂广播能力的多维数组。 •
具有用于对数组数据进行快速运算的标准数学函数。 •
具
numpy上手01 numpy创建数组02 numpy数组运算03 数组的index04 numpy的数组合并、分割、赋值©() 01 numpy创建数组知识点：一般使用list类型创建矩阵，然后np.array()转换成数组;（维度）数组名.ndim; （形状）数组名.shape； （元素个数）数组名.size控制元素类型，np.array(xxx,dtype=int)，也可以是float二维
转载
2024-04-07 12:47:25
47阅读
简介 之前我们操作Numpy的数组时，都是通过索引来操作的。针对二维数组，使用索引可以完成对行、列的操作。但是这是非常不直观的。可以把二维数组想象成一个excel表格，如果表格没有列名，操作起来会非常麻烦，针对这种情况，Numpy提供了结构化数组用来操作每列数据。 之前我们操作Numpy的数组时，都是通过索引来操作的。针对二维数组，使用索引可以完成对行、列的操作。但是这是非常不直观的。
转载
2023-12-28 14:15:30
156阅读
numpy是python中进行矩阵运算的库，提供了很多高性能的计算、处理方法。 numpy中有大量的方法，在此记录一些自己用过的方法，不定期更新。# 首先需要导入numpy模块
import numpy as np
# 定义数组
a = np.array([1,2,3]) #一维数组
a = np.array([[1,2,3],[1,2,3]]) #二维数组
print a.shape
转载
2024-05-15 06:08:01
135阅读
