NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。比如说，二维数组相当于是一个一维数组，而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴（axes），而轴的数量——秩，就是数组的维数。1、创建矩阵Numpy库中的矩阵模块为ndarray对象，有很多属
转载
2024-03-31 10:45:52
34阅读
最近在博客园中认识的MR|Right(小瞿大哥)前辈，把它做的东西都分享出来给大家， 让大家共同进步！ 其实我觉得这是对的，如果大家把做的东西都藏着掖着，那么对于我们gis的进步是不利的！虽然自己的能力不吧，做的东西也不一定有价值，但是毕竟把自己的经验分享出来，那么，这势必会有一定的帮助！最近做了一件事，就是关于怎样把一系列的二维点，生成三维的树状图，从而获得直观的显示效果！下面是实现的
转载
2024-04-12 07:07:10
181阅读
二维空间很容易理解，是由无数个一维空间融合而成，空间中的任一点可由两个量（X，Y）进行标定。那么从一维到二维有哪些中间状态呢？看看这段视频，可以知道一维到二维之间是有很多中间状态的。.在这个视频中举的一个例子是说，用一维空间的一个标准线段，去量一维空间的另一线段，是可以得到长度的，不论这个标准线段有多小，测得的另一线段的长度都是固定的；用二维空间的一个正方形，去量二维空间的一个正方型也是可以得到固
转载
2024-05-13 17:53:16
83阅读
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
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
入职一年了，这一年自己学到许多，但是忘记也很多，于是决定定下心来整理以前学到的，并且继续学习
二维数组和二级指针，这真是头疼的问题，困扰了我好几次，
先转一下
w
# 使用 PyTorch 实现 Tensor 从二维转换为一维
在深度学习和机器学习中，处理数据的形状是非常重要的，尤其是在使用 PyTorch 这种深度学习框架时。今天，我们就来看看如何将一个二维的 Tensor 转换为一维的 Tensor。以下是整个流程的概述。
## 流程概述
下面是将二维 Tensor 转换为一维 Tensor 的步骤：
```mermaid
flowchart T
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
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
# PyTorch 中 reshape 和 view 函数的使用：一维到二维的转变
在深度学习的模型构建过程中，我们经常需要对数据进行调整和转换。PyTorch 是一个广泛使用的深度学习框架，其提供了丰富的 tensor 操作工具。本文将专注于 PyTorch 中的 `reshape` 和 `view` 函数，讲解如何将一维数据转换成二维数据的过程，并提供对应的代码示例。
## 1. PyTo
【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
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
“广播”一词描述NumPy如何在算术运算期间处理具有不同形状的数组。受一定限制，较小的数组在较大的数组之间传播，以便它们具有兼容的形状。广播提供了一种向量化数组操作的方法，这种循环会在C中而不是Python中发生。这样做不会产生不必要的数据副本，而且通常会带来高效的算法实现。然而，在某些情况下，广播并不是一个好主意，因为它会导致低效的内存使用，从而减慢计算速度。 NumPy操作通常在逐个元素的数组
转载
2024-05-03 17:20:33
46阅读
在计算机视觉和信号处理中，二维卷积是一个常见且重要的操作，通常用于图像处理、特征提取等。使用 Python 的 NumPy 库实现二维卷积，具有高效、灵活的特点，能够处理不同大小和形状的卷积核。
## 背景描述
二维卷积是对图像进行滤波的基础操作，通过与卷积核进行滑动窗口计算，实现对图像的模糊、锐化、边缘检测等效果。在现代机器学习和深度学习中，卷积神经网络（CNN）就是通过这种卷积操作来进行特
1、前言NumPy是Python中用于科学计算和数据分析的重要库之一。在NumPy中，数组（ndarray）是一个重要的数据结构，它可以存储多维数组，并提供了许多操作数组的方法。在使用NumPy时，通常需要先创建一个数组，然后再对这个数组进行各种操作，比如计算、切片、索引等。NumPy提供了多种方式用于创建数组，可以根据不同的需求选择不同的方式。在本篇文章中，我们将介绍NumPy创建数组的多种方法
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
1、什么是Numpy简单来说：Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。NumPy提供了一个N维数组类型ndarray，它描述了相同类型的“
转载
2023-10-27 11:10:26
176阅读
