《numpy》专题

主要内容：三角函数,舍入函数NumPy 中包含了大量的数学函数，它们用于执行各种数学运算，其中包括三角函数、舍入函数等等。下面对它们做详细讲解。 三角函数 NumPy 中提供了用于弧度计算的的 sin()（正弦）、cos()（余弦）和 tan()（正切）三角函数。 示例如下： 输出结果如下： 除了上述三角函数以外，NumPy 还提供了 arcsin，arcos 和 arctan 反三角函数。 若要想验证反三角函数的结果，可以

NumPy 提供了许多字符串处理函数，它们被定义在用于处理字符串数组的 numpy.char 这个类中，这些函数的操作对象是 string_ 或者 unicode_ 字符串数组。如下表所示： NumPy处理字符串数组函数 函数名称 描述 add() 对两个数组相应位置的字符串做连接操作。 multiply()  返回多个字符串副本，比如将字符串“ hello”乘以3，则返回字符串“ hello h

主要内容：bitwise_and(),bitwise_or(),Invert(),left_shift(),right_shift()本节重点讲解 NumPy 的位运算，NumPy 中提供了以下按位运算函数： numpy按位运算函数 序号 函数 位运算符 描述说明 1 bitwise_and & 计算数组元素之间的按位与运算。 2 bitwise_or | 计算数组元素之间的按位或运算。 3 invert ~ 计算数组元素之间的按位取反运算。 4 left_shift << 将二进制数的位数向左

主要内容：1. numpy.resize(),2. numpy.append(),3. numpy.insert(),4. numpy.delete(),5. numpy.argwhere(),6. numpy.unique()本节重点介绍 NumPy 数组元素的增删改查操作，主要有以下方法： 数组元素操作方法 函数名称 描述说明 resize 返回指定形状的新数组。 append 将元素值添加到数组的末尾。 insert 沿规定的轴将元素值插入到指定的元素前。 delete 删掉某个轴上的子数

主要内容：数组变维操作,数组转置操作,修改数组维度操作,连接与分割数组操作NumPy 中包含了一些处理数组的常用方法，大致可分为以下几类： 数组变维操作 数组转置操作 修改数组维度操作 连接与分割数组操作 下面分别对它们进行介绍。 数组变维操作 数组变维操作 函数名称 函数介绍 reshape 在不改变数组元素的条件下，修改数组的形状。 flat 返回是一个迭代器，可以用 for 循环遍历其中的每一个元素。 flatten 以一维数组的形式返回一份数组的副本，对副本的操

主要内容：遍历顺序,指定遍历顺序,修改数组元素值,外部循环使用,迭代多个数组NumPy 提供了一个 nditer 迭代器对象，它可以配合 for 循环完成对数组元素的遍历。 下面看一组示例，使用 arange() 函数创建一个 3*4 数组，并使用 nditer 生成迭代器对象。 示例1： 输出结果： 0 5 10 15 20 25 30 35 40 45 50 55 遍历顺序 在内存中，Numpy 数组提供了两种存储数据的方式，分别是 C-order（行优先顺序）与 F

NumPy 中的广播机制（Broadcast）旨在解决不同形状数组之间的算术运算问题。我们知道，如果进行运算的两个数组形状完全相同，它们直接可以做相应的运算。示例如下： 输出结果如下： [ 1.  4.  9. 16.] 但如果两个形状不同的数组呢？它们之间就不能做算术运算了吗？当然不是！为了保持数组形状相同，NumPy 设计了一种广播机制，这种 机制的核心是对形状较小的数组，在横向或纵向上进行一

主要内容：1. 整数数组索引,2. 布尔数组索引,3. 花式索引（拓展知识）NumPy 与 Python 的内置序列相比，它提供了更多的索引方式。除了在《 Numpy切片和索引》一节用到索引方式外，在 NumPy 中还可以使用高级索引方式，比如整数数组索引、布尔索引以及花式索引，本节主要对上述三种索引方式做详细介绍。 高级索引返回的是数组的副本（深拷贝），而切片操作返回的是数组视图（浅拷贝）。如果您对副本和视图的概念陌生，可直接跳转学习《 NumPy副本和视图》一节。 1

主要内容：基本切片,多维数组切片在 NumPy 中，如果想要访问，或修改数组中的元素，您可以采用索引或切片的方式，比如使用从 0 开始的索引依次访问数组中的元素，这与 Python 的 list 列表是相同的。 NumPy 提供了多种类型的索引方式，常用方式有两种：基本切片与高级索引。本节重点讲解基本切片。 基本切片 NumPy 内置函数 slice() 可以用来构造切片对象，该函数需要传递三个参数值分别是 start（起始索引

主要内容：1. numpy.arange(),2. numpy.linspace(),3. numpy.logspace所谓区间数组，是指数组元素的取值位于某个范围内，并且数组元素之间可能会呈现某种规律，比如等比数列、递增、递减等。 为了方便科学计算，Python NumPy 支持创建区间数组。 1. numpy.arange() 在 NumPy 中，您可以使用 arange() 来创建给定数值范围的数组，语法格式如下： numpy.arange(start, stop, step, dtype

主要内容：numpy.empty(),numpy.zeros(),numpy.ones(),numpy.asarray(),numpy.frombuffer(),numpy.fromiter()在《 NumPy Ndarray对象》一节，介绍了创建 ndarray 数组的基本方法，除了使用 array() 方法外，NumPy 还提供了其他创建 ndarray 数组的方法。本节对这些常用方法做简单介绍。 numpy.empty() numpy.empty() 创建未初始化的数组，可以指定创建数组的

主要内容：ndarray.shape,ndarray.reshape(),ndarray.ndim,ndarray.itemsize,ndarray.flags本节介绍 Numpy 数组的常用属性。 ndarray.shape shape 属性的返回值一个由数组维度构成的元组，比如 2 行 3 列的二维数组可以表示为 ，该属性可以用来调整数组维度的大小。 示例如下，输出了数组的维度： 输出结果： (2,3) 通过 shape 属性修改数组的形状大小：  输出结果： ndarray.reshape

主要内容：数据类型对象,数据类型标识码,定义结构化数据NumPy 作为 Python 的扩展包，它提供了比 Python 更加丰富的数据类型，如表 1 所示： 表1：NumPy数据类型 序号 数据类型 语言描述 1 bool_ 布尔型数据类型（True 或者 False） 2 int_ 默认整数类型，类似于 C 语言中的 long，取值为 int32 或 int64 3 intc 和 C 语言的 int 类型一样，一般是 int32 或 int 64

主要内容：创建ndarray对象,ndim查看数组维数,reshape数组变维NumPy 定义了一个 n 维数组对象，简称 ndarray 对象，它是一个一系列相同类型元素组成的数组集合。数组中的每个元素都占有大小相同的内存块，您可以使用索引或切片的方式获取数组中的每个元素。 ndarray 对象有一个 dtype 属性，该属性用来描述元素的数据类型，相关知识会在《NumPy数据类型》一节做详细介绍 。 ndarray 对象采用了数组的索引机制，将数组中的每个元素映射到内存

主要内容：Windows系统安装,MacOSX系统安装,Linux系统安装NumPy 是 Python 的第三方扩展包，但它并没有包含在 Python 标准库中，因此您需要单独安装它。本节介绍如何在不同的操作系统上安装 NumPy。 Windows系统安装 在 Windows 系统下安装 NumPy 有两种常用方式，下面分别对其进行介绍。 使用 Python 包管理器 来安装 NumPy，是一种最简单、最轻量级的方法。只需执行以下命令即可： pip install nu