第四章 Numpy基础：数组与向量化

还是惯例，搞个目录：

1.多维数组对象——ndarray

重点：进行批量计算。

1.1包含的属性：shape dtype ndim

1.2创建：list（一维数组、二维数组）、zeros、ones、full-like、arange

1.3数据类型——dtype、astype

dtype是numpy与其他系统数据进行交互的原因。

1.3数组运算——可以进行批量运算——基础运算及其布尔运算

1.4基础索引及切片——选中数据的子集或某个单元素（注意浅拷贝及其深拷贝）、注意分析三维数组

1.5切片索引——多组切片索引、单独的一个冒号表示选中整个轴上的数据、修改数据

1.6布尔索引——选中数据集、进行赋值、布尔逻辑操作、神奇的索引

1.7数组转置及换轴——tranpose/swapaxis

2.通用函数——快速的逐元素数组函数

通用函数，一种在ndarray数据中进行逐元素操作的函数。

3.面向数组的编程——向量化——meshgrid

3.1将条件逻辑作为数组操作——np.where

3.2数学及统计方法——关于轴向数据的数学科学（聚合函数 或者 缩减函数）

聚合函数：sum/mean/std

3.3布尔数组的方法——被强制为1（true）和0（false）

3.4排序

3.5唯一值和其他集合——np.unique/np.in1d

4.文件操作——np.save/np.load

5.线性代数——np.linalg

6.随机数_np.random.state()

【正文】

Numpy数组，将高效的计算数组

1.多维数组对象——ndarray

重点：进行批量计算。

1.1包含的属性：shape dtype ndim

1.2创建：list（一维数组、二维数组）、zeros、ones、full-like、arange

1.3数据类型——dtype、astype

dtype是numpy与其他系统数据进行交互的原因。

1.3数组运算——可以进行批量运算——基础运算及其布尔运算

1.4基础索引及切片——选中数据的子集或某个单元素（注意浅拷贝及其深拷贝）、注意分析三维数组

1.5切片索引——多组切片索引、单独的一个冒号表示选中整个轴上的数据、修改数据

1.6布尔索引——选中数据集、进行赋值、布尔逻辑操作、神奇的索引

1.7数组转置及换轴——tranpose/swapaxis

2.通用函数——快速的逐元素数组函数

通用函数，一种在ndarray数据中进行逐元素操作的函数。

3.面向数组的编程——向量化——meshgrid

3.1将条件逻辑作为数组操作——np.where

3.2数学及统计方法——关于轴向数据的数学科学（聚合函数 或者 缩减函数）

聚合函数：sum/mean/std

3.3布尔数组的方法——被强制为1（true）和0（false）

3.4排序

3.5唯一值和其他集合——np.unique/np.in1d

4.文件操作——np.save/np.load

5.线性代数——np.linalg

6.随机数_np.random.state()

最后

以上就是激动柠檬为你收集整理的第四章 Numpy基础：数组与向量化的全部内容，希望文章能够帮你解决第四章 Numpy基础：数组与向量化所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。