一、NumPy 是什么NumPy 是 Python 科学计算的基础包，它专为进行严格的数字处理而产生。在之前的随笔里已有更加详细的介绍，这里不再赘述。利用 Python 进行数据分析（一）简单介绍二、ndarray 是什么ndarray 是一个多维的数组对象，具有矢量算术运算能力和复杂的广播能力，并具有执行速度快和节省空间的特点。ndarray 的一个特点是同构：即其中所有元素的类型必须相同。三、
转载
2023-09-14 16:29:28
108阅读
数组的四则运算 在numpy模块中,实现四则运算的计算既可以使用运算符号,也可以使用函数,具体如下例所示:#加法运算
import numpy as np
math = np.array([98,83,86,92,67,82])
english = np.array([68,74,66,82,75,89])
chinese = np.array([92,83,76,85,8
转载
2023-06-08 20:28:43
296阅读
1. 前言NumPy 数组的“加减乘除”算术运算，分别对应 add()、subtract()、multiple() 以及 divide() 函数。注意：做算术运算时，输入数组必须具有相同的形状，或者符合数组的广播规则，才可以执行运算。
下面看一组示例：import numpy as np
a = np.arange(9, dtype = np.float_).reshape(3,3)
#数组a
p
转载
2023-08-16 17:00:01
813阅读
机器学习算法中大部分都是调用Numpy库来完成基础数值计算的。 安装方法：pip3 install numpy1. ndarray数组基础 python中用列表保存一组值，可将列表当数组使用。另外，python中有array模块，但它不支持多维数组，无论是时列表还是array模块都没有科学运算函数，不适合做矩阵等科学计算。numpy没有使用python本身的数组机制，而是提供了ndarray对象，
转载
2023-08-17 20:38:45
142阅读
Numpy模块导入import numpy as np创建通过Python列表直接传入1层，2层嵌套列表，变为1维，2维数组a = np.array([1,2,3,4])b = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])通常，我们无法事先知道数组元素的具体值，但是数组大小是已知的。 这时可以用下面几种方法生成数组。zeros 函数生成元素全部为0的数组
转载
2023-12-10 22:16:51
124阅读
NumPy 包含大量的各种数学运算的函数，包括三角函数，算术运算的函数，复数处理函数等。三角函数NumPy 提供了标准的三角函数：sin()、cos()、tan()。实例import numpy as np
a = np.array([0,30,45,60,90])
print ('不同角度的正弦值：')
# 通过乘 pi/180 转化为弧度
print (np.sin(a*np.pi/1
转载
2023-07-03 20:22:35
294阅读
np.ones()numpy.zero()和ones一样，只不过一个生成都为1的矩阵，一个都为0在官方的API文档中，对于np.ones的叙述如下：numpy.ones(shape, dtype=None, order='C', *, like=None)通俗理解就是：shape参数产生一个什么形状的numpy矩阵np.ones(5)这就是一个一行五列的矩阵np.ones((2,3)) 这就是一个
转载
2023-07-04 21:16:24
268阅读
一.用于数组的文件输入输出1.将数组以二进制格式保存到磁盘np.save和np.load是读写磁盘数据的两个主要函数。默认情况下，数组是一未压缩的原始二进制格式保存在扩展名为.npy的文件中。arr=np.arange(10)
np.save('some_arr',arr) #np.save将数组保存到磁盘，文件名为some_arr.npy
print(np.load('some_a
转载
2023-06-26 10:36:09
2396阅读
众所周知，sum不传参的时候，是所有元素的总和。这里就不说了。1 sum函数可以传入一个axis的参数，这个参数怎么理解呢？这样理解：假设我生成一个numpy数组a，如下
[python]
view plain
copy
1. >>> import numpy as np
2
转载
2023-10-21 17:55:34
95阅读
python3之数字(在实际应用中的数字--除法：传统除法、Floor除法和真除法)
----------
除法在python3.0和python2.6中略有差异，实际上，有
3种类型的除法，有两种不同的除法操作符，其中一种操作符在python3.0中变化：
X/Y :
传统除法和真除法。在python2.6或之前的版本中，这个操作符对于整
转载
2024-07-31 19:41:50
120阅读
python中整除后结果也是小数
有人这么回答，这显然不对先看个例子： ‘//’明明是整除，为什么结果不是整数，而会出现小数？首先，关于除法有三种概念：传统除法、精确除法和地板除#1、传统除法：整数相除结果是整数，浮点数相除结果是浮点数
>>>4/2
2
>>>4.0/2
2.0
>>>4/2.0
2.0#2、精确除法：无论操作
转载
2023-06-16 16:59:58
183阅读
Python几种取整的方法python 为什么算除法自动取整了。如图，计算10/a 在2.x版本都是这样，会自动取整。 在3.x版本以上改了，结果保留浮点数。系统本身设计就这样的。可以认为是开发python语言的开发者们任性，所以就这样了 附：pyhton中除法的余数 v2.2 以前，除(“/”)运算符的返回有两种可能情况。python 整列数据怎么四舍五入保留整数df.列名 = df.列名.ap
转载
2023-10-05 17:50:16
118阅读
1、数组的拼接和裁剪t.clip(10,20)把小于10的替换成10，大于20的替换成20竖直拼接，通俗讲就是一个数组在上面，另一个数组在其下面水平拼接，通俗讲就是一个数组在左边，另一个数组在其右边np.vbstack(竖直拼接）,np.hstack(水平拼接）###数组的拼接
import numpy as np
t1=np.arange(12).resh
转载
2023-11-25 18:33:11
101阅读
# Python中的N皇后问题解析
## 引言
N皇后问题是一个经典的组合优化问题。问题描述是：在一个N×N的棋盘上，放置N个皇后，使得它们互不攻击。换句话说，任何两个皇后不能在同一行、同一列或同一对角线上。这是一个经典的递归和回溯问题，广泛应用于算法和数据结构的学习中。
## 问题背景
N皇后问题由著名数学家约翰·霍普克罗夫特首次提出，并在计算机科学领域中被用作算法测试标准。解决这个问题
# 科普文章：Python中NumPy库的拼接操作
## 概述
在Python中，NumPy（Numerical Python的简称）是一个用于科学计算的强大库。它提供了高性能的多维数组对象和用于处理这些数组的工具。NumPy中的拼接操作允许我们将多个数组按照指定的轴进行合并，并创建一个新的数组。
本文将介绍NumPy中的拼接操作，包括拼接的概念、拼接的类型、拼接的应用场景，并给出相应的代码
原创
2023-11-10 10:56:00
108阅读
# 如何在 Python 中释放 NumPy 数组的内存
在进行数据分析或科学计算时，NumPy 是一个非常流行且强大的数组计算库，但有时我们需要释放不再使用的 NumPy 数组所占用的内存。本文将引导你逐步完成这一过程，从理解数组的内存管理到编写代码来释放内存。
## 主要内容流程
以下是实现“释放 NumPy”内存的步骤流程：
| 步骤 | 说明
# Python中的numpy.zeros：创建数组的利器
在Python编程特别是数据科学和机器学习领域，数组（或者矩阵）的处理无疑是非常常见的任务。`numpy`是一个强大的数学库，广泛用于进行各种数值计算。本文将重点介绍`numpy`库中的`zeros`函数，它可以用来创建一个元素全为零的数组，并通过示例展示它的用法。
## 什么是numpy.zeros？
`numpy.zeros`函
# Python中使用numpy库实现push操作
## 概述
在Python中，numpy（Numerical Python的缩写）是一个用于进行科学计算的库，它提供了强大的多维数组对象和用于处理这些数组的函数。本文将教会刚入行的小白如何使用numpy库实现push操作。
## 整体流程
下面是整个过程的流程图：
```mermaid
pie
title 整体流程
"导
原创
2023-12-10 09:01:28
132阅读
软件测试工程师学习笔记 -18四、python6. day05 四、pythonPython 是一种解释型、面向对象、动态数据类型的高级程序设计语言。6. day05列表去重：列表中存在多个数据，去除重复数据 1）方法一 · 思路：遍历原列表，判断该元素在新列表中是否存在。如果存在则跳过，不存在则加入 · 遍历：for 循环实现 · 判断：使用 in · 存入数据：append（） 2）方向二
## Python NumPy 比较的入门指南
在数据科学和机器学习中，比较操作是一项基本的工作。在 Python 中，NumPy 是一个强大的库，用于处理数组和矩阵运算。本文将带你逐步学习如何使用 NumPy 来实现数组比较操作。本文分为几个部分：准备工作、比较基本概念、比较示例实现以及总结。
### 一、整体流程
下面是实现 NumPy 比较的步骤流程：
| 步骤 | 描述 |
| -
