基础部分 首先需要导入 NumPy 模块，并约定简称为 np。一、 导入 NumPy： import numpy as np二、查看 NumPy 版本信息： np.version三、创建数组通过列表创建一维数组： np.array([1, 2, 3]) 上方数组是一个秩为 1 的数组，因为它只有一个轴，而轴的长度为 3。通过列表创建二维数组： np.array([(1, 2, 3), (4, 5,
转载
2024-03-31 13:16:51
46阅读
一维差值维护是一种简单的小算法，该算法用一个巧妙地数列机制解决了多次对数列进行数据加减操作的复杂度，这个算法的思维偏向于动态规范。下面我们从一个问题开始入手介绍这个算法： 问题描述： 已知n个数的数列a，有m次操作，每次操作给定l,r,k三个数，使得al到ar内所有数加上k。注意l到r的区间包含al
转载
2017-12-31 11:44:00
61阅读
2评论
文章目录数组属性数组索引数组切片一维数组切片多维数组切片创建副本数组变形数组拼接数组分裂 数组属性#设定种子值，使每次得到相同随机数组
np.random.seed(1)
x1=np.random.randint(10,size=6) #一维数组
x2=np.random.randint(10,size=(3,4)) #二维数组
x3=np.random.randint(10,size=(3,
转载
2024-06-22 18:48:11
212阅读
Numpy基础知识（一）数组属性NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度。在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量—
转载
2024-04-22 10:39:38
61阅读
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
“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
目录1.创建数组2. 访问数组3.数组裁剪4.数据类型5.副本/视图6.数组常用属性7.随机1.创建数组 NumPy ndarray 对象import numpy as np
a = np.array([1,2,3,4,5]) #np.array([1,2,4],ndim = 3)指定数组的维度
print(a)
print(type(a))
#[1 2 3 4 5]
#<
转载
2024-06-14 22:40:14
124阅读
numpy创建数组的方式有很多种，比如使用array方法，并提供标准的Python列表或者元组作为参数。
一、创建数组创建数组的方式有很多种，比如使用array方法，并提供标准的Python列表或者元组作为参数。此时，数组的类型将根据序列中元素的类型推导出来。>>> import numpy as np
>>> a = n
转载
2023-12-26 20:33:31
261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
NumPy最重要的一个特点就是其N维数组对象（即ndarray），该对象是一个快速而灵活的大数据集容器。你可以利用这种数组对整块数据执行一些数学运算，ndarray是一个通用的同构数据多维容器，也就是说，其中的所有元素必须是相同类型的。每个数组都有一个shape（一个表示各维度大小的元组）和一个dtype（一个用于说明数组数据类型的对象）。数组的创建通过array方法创建：创建ndarray;查看
转载
2023-06-23 15:14:58
476阅读
# Python Numpy 矩阵降维
在数据分析和机器学习领域，矩阵降维是一种常见的技术，用于减少数据的复杂性和提高计算效率。在 Python 中，我们通常使用 NumPy 库来处理矩阵和数组。本文将介绍如何使用 NumPy 进行矩阵降维，并提供一些代码示例。
## 矩阵降维简介
矩阵降维通常指的是将一个高维矩阵转换为一个低维矩阵，同时尽可能保留原始数据的结构和特征。这可以通过多种方法实现
原创
2024-07-25 03:41:26
154阅读
# Python 中 NumPy 的均值计算：深入理解某维均值
NumPy 是 Python 的一个强大库，广泛用于科学计算和数据分析。它提供了许多便捷的函数，可以快速处理大型数据集。本文将集中介绍如何使用 NumPy 计算某一维度的均值，并通过示例来加深理解。同时，我们还将绘制一些关系图与类图，以帮助你更加直观地理解这些概念。
## 什么是均值？
均值是数据集的一个基本统计量，通常用来表示
原创
2024-10-02 03:45:10
137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
Python自带的numpy是深度学习最常用的库之一，作为深度学习入门，只需要掌握创建数组、索引、类型转换、维度变换即可，其他在深度学习中不是很常用，等要用到的时候看看函数API就行。1.创建数组1.1 使用 ones，empty， zeros生成数组，形参shape=[2,3]为2行3列的维度#in:
np.ones(shape=[2,3]) #[2，3]为2行3列的维度
#out:
转载
2023-11-10 06:42:17
908阅读
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
安装1.以管理员的形式打开cmd2.使用以下命令查看是否安装成功创建1.在vscode进行导入numpy模块import numpy as np2.创建数组使用array创建#使用array创建一维数组
list01 = [1,2,3,4]
np01 = np.array(list01)
print(np01)
#使用array创建二维数组
list02 = [[1,2,3,4],[5,6,7,8
转载
2023-11-28 08:23:47
245阅读
#一维数组转化成二维的方法：
np.random.seed(101)
arr=np.random.randint(1,4,size=6)
print("\n原数组：\n",arr)
print("\n如何把一维数组转换成二维的：")
print("arr[:,None]:\n",arr[:,None])
print("")
print("arr[:,np.newaxis
转载
2023-06-02 21:27:55
477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
