NumPy中文文档：入门与应用详解

需积分: 10 19 浏览量更新于2024-07-16 收藏 2.19MB DOCX 举报

NumPy中文文档是一份关于Python开源数值计算扩展库NumPy的详细指南。NumPy的核心在于其强大的多维数组（ndarray）对象，它极大地提高了Python在数值计算方面的效率，尤其在处理大规模矩阵时，相比传统的嵌套列表结构更为高效。该库由"Numerical"和"Python"两词合并而来，旨在简化复杂的数学计算，使得机器学习、图像处理和科学计算等领域的开发者能够更便捷地进行工作。基础篇的讲解涵盖了NumPy的基本概念和使用方法。首先，NumPy库为Python提供了一套高级的数据操作和数学运算工具，支持矩阵乘法、元素交换、加法等基础运算，这对于构建和优化机器学习模型至关重要。在图像处理方面，由于计算机图像本质上是多维数组，NumPy凭借其内置的高效图像操作函数，成为了首选的处理工具。安装NumPy非常方便，只需在终端或命令行中运行pip install numpy命令即可自动下载并安装最新稳定版本。介绍中特别强调了NumPy数组，它是NumPy的核心数据结构，拥有丰富的函数和运算符，可以显著提升代码执行速度和性能。通过导入numpy库并使用np.array()函数，可以快速创建一维数组，如my_array = np.array([1,2,3,4,5])，然后进行后续的操作和计算。 NumPy中文文档不仅涵盖了NumPy的基本概念、安装步骤，还深入解析了其核心数据结构--数组的使用，以及在实际应用中的优势。通过阅读这份文档，读者不仅能掌握如何安装和使用NumPy，还能了解到如何利用其高效的数据结构和函数库来解决复杂的数值计算问题。

a = np.arange(0, 100, 10)

b = a[:5]

c = a[a >= 50]

print(b) # >>>[ 0 10 20 30 40]

print(c) # >>>[50 60 70 80 90]

#Where 函数

where() 函数是另外一个根据条件返回数组中的值的有效方法。只需要把条件传递给它，

它就会返回一个使得条件为真的元素的列表。

# Where

a = np.arange(0, 100, 10)

b = np.where(a < 50)

c = np.where(a >= 50)[0]

print(b) # >>>(array([0, 1, 2, 3, 4]),)

print(c) # >>>[5 6 7 8 9]

这就是 NumPy，没那么难吧？当然，这篇文章只涵盖了入门的基础知识，在 NumPy 中你

还可以做许多其它好玩的事情，当你已经熟悉了 NumPy 的基础知识，你就可以开始自由

的探索 NumPy 的世界了。

最后别忘了分享这篇文章噢

要记得，不要忘了分享这篇文章，这样其它人就也可以看到了！另外，记得订阅这个博客

的邮件列表，关注我的 Twitter 和 Google+，这样你就不会错过任何有价值的文章了！

我会阅读所有的评论，如果你有什么想说的，想分享的，想问的或者喜欢的，请在下边留

言！

文章出处

由 NumPy 中文文档翻译，原作者为 Ravikiran Srinivasulu，翻译至：

https://www.pluralsight.com/guides/different-ways-create-numpy-arrays

Python、Numpy 教程

我们将在本课程的所有作业中使用 Python 编程语言。Python 本身就是一种伟大的通用编

程语言，并且它在一些其它流行的 Python 库(numpy、sciy、matplotlib)的帮助下，它成为

了一个强大的科学计算环境。

我们希望你们中大部分人会有一点 Python 和 numpy 的使用经验；因为对于大部分人来说，

本节将作为关于 Python 编程语言和使用 Python 进行科学计算的快速速成课程。

你们中的一些人可能以前学过 Matlab 接触过相关的知识，如果是这样的话，我推荐你们

看一下这篇文章：Numpy 对于 Matlab 用户。

return quicksort(left) + middle + quicksort(right)

print(quicksort([3,6,8,10,1,2,1]))

# Prints "[1, 1, 2, 3, 6, 8, 10]"

#Python 的版本

目前有两种不同的受支持版本的 Python，分别是 2.7 和 3.5。有点令人困惑的是，Python

3.0 引入了许多向后兼容的语言更改，因此为 2.7 编写的代码可能无法在 3.5 下运行，反之

亦然。所以我们下面所有的示例的代码都使用 Python 3.5 来编程。

你可以通过运行python -version在命令行中查看 Python 的版本。

#基本数据类型

与大多数语言一样，Python 有许多基本类型，包括整数，浮点数，布尔值和字符串。这

些数据类型的行为方式与其它编程语言相似。

Numbers(数字类型)：代表的是整数和浮点数，它原理与其它语言相同：

x = 3

print(type(x)) # Prints "<class 'int'>"

print(x) # Prints "3"

print(x + 1) # Addition; prints "4"

print(x - 1) # Subtraction; prints "2"

print(x * 2) # Multiplication; prints "6"

print(x ** 2) # Exponentiation; prints "9"

x += 1

print(x) # Prints "4"

x *= 2

print(x) # Prints "8"

y = 2.5

print(type(y)) # Prints "<class 'float'>"

print(y, y + 1, y * 2, y ** 2) # Prints "2.5 3.5 5.0 6.25"

注意，与许多语言不同，Python 没有一元增量(x+)或递减(x-)运算符。

Python 还有用于复数的内置类型；你可以在这篇文档中找到所有的详细信息。

Booleans(布尔类型): Python 实现了所有常用的布尔逻辑运算符，但它使用的是英文单词

而不是符号 (&&,||, etc.)：

t = True

f = False

print(type(t)) # Prints "<class 'bool'>"

print(t and f) # Logical AND; prints "False"

print(t or f) # Logical OR; prints "True"

print(not t) # Logical NOT; prints "False"

print(t != f) # Logical XOR; prints "True"

Strings(字符串类型)：Python 对字符串有很好的支持：

hello = 'hello' # String literals can use single quotes

world = "world" # or double quotes; it does not matter.

print(hello) # Prints "hello"

print(len(hello)) # String length; prints "5"

剩余63页未读，继续阅读

weixin_30777913

粉丝: 675
资源: 78

NumPy中文文档：入门与应用详解

numpy.docx

Python.docx

python配置numpy和scipy.docx

numpy安装.docx

Pytorch中文文档.docx

from numpy impo.docx

python语言与numpy库.docx

pycharm安装配置文档.docx

anaconda安装使用文档.docx

python热门面试题文档.docx

最新资源