Numpy中文指南：科学计算的基础与高效操作

Numpy

中文用户指南

需积分: 29 147 浏览量更新于2023-03-16 收藏 338KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源推荐

[ 100 101 102 ..., 197 198 199]

[ 200 201 202 ..., 297 298 299]

...,

[9700 9701 9702 ..., 9797 9798 9799]

[9800 9801 9802 ..., 9897 9898 9899]

[9900 9901 9902 ..., 9997 9998 9999]]

禁用NumPy的这种行为并强制打印整个数组，你可以设置printoptions参数来更改打印选项。

>>> set_printoptions(threshold='nan')

基本运算基本运算

数组的算术运算是按元素的。新的数组被创建并且被结果填充。

>>> a = array( [20,30,40,50] )

>>> b = arange( 4 )

>>> b

array([0, 1, 2, 3])

>>> c = a-b

>>> c

array([20, 29, 38, 47])

>>> b**2

array([0, 1, 4, 9])

>>> 10*sin(a)

array([ 9.12945251, -9.88031624, 7.4511316 , -2.62374854])

>>> a<35

array([True, True, False, False], dtype=bool)

不像许多矩阵语言，NumPy中的乘法运算符*指示按元素计算，矩阵乘法可以使用dot函数或创建矩阵对象实现(参见教程

中的矩阵章节)

>>> A = array( [[1,1],

... [0,1]] )

>>> B = array( [[2,0],

... [3,4]] )

>>> A*B # elementwise product

array([[2, 0],

[0, 4]])

>>> dot(A,B) # matrix product

array([[5, 4],

[3, 4]])

有些操作符像+=和*=被用来更改已存在数组而不创建一个新的数组。

>>> a = ones((2,3), dtype=int)

>>> b = random.random((2,3))

>>> a *= 3

>>> a

array([[3, 3, 3],

[3, 3, 3]])

>>> b += a

>>> b

array([[ 3.69092703, 3.8324276 , 3.0114541 ],

[ 3.18679111, 3.3039349 , 3.37600289]])

>>> a += b # b is converted to integer type

>>> a

array([[6, 6, 6],

[6, 6, 6]])

当运算的是不同类型的数组时，结果数组和更普遍和精确的已知(这种行为叫做upcast)。

>>> a = ones(3, dtype=int32)

>>> b = linspace(0,pi,3)

>>> b.dtype.name

'float64'

>>> c = a+b

>>> c

array([ 1. , 2.57079633, 4.14159265])

>>> c.dtype.name

'float64'

>>> d = exp(c*1j)

>>> d

array([ 0.54030231+0.84147098j, -0.84147098+0.54030231j,

-0.54030231-0.84147098j])

>>> d.dtype.name

'complex128'

许多非数组运算，如计算数组所有元素之和，被作为ndarray类的方法实现

>>> a = random.random((2,3))

>>> a

array([[ 0.6903007 , 0.39168346, 0.16524769],

[ 0.48819875, 0.77188505, 0.94792155]])

>>> a.sum()

3.4552372100521485

>>> a.min()

剩余20页未读，继续阅读

korrine

粉丝: 0
资源: 6

会员权益专享

Numpy中文指南：科学计算的基础与高效操作

numpy官方参考手册.pdf

NumPy中文文档

numpy-1.22.2-1.5.7-API文档-中文版.zip

numpy中文文档下载

numpy数据处理中文手册chm

python 中文指南

matplotlib中文手册pdf

python3官方手册中文版

python 脑电数据处理中文手册

安装matplotlib.pyplot

opencvpython教程

python_for_data_analysis_2nd_chinese_version

jupyter和PyTorch关系

pandas的官方网站

NumPy用户指南中文版

Numpy.pdf 非常详细

Python之Numpy库常用函数大全（含注释）

NumPy 中文文档 1.11 20170215

numpy中文手册

NumPy 中文文档.pdf

会员权益专享

最新资源