Estom的博客

StatisticsOrder statistics method description amin(a[, axis, out, keepdims, initial, where]) Return the minimum of an array or minimum along an axis. amax(a[, axis, out, keepdims, initial, where]) Return the maximum of an array or maximum along an axis. nanmin(a[, axis, out, keepdims]) Return minimum of an array or minimum along an axis, ignoring any NaNs. nanmax(a[, axis, out, keepdims]) Return the maximum of an array or maximum along an axis, ignoring any NaNs. ptp(a[, axis, ou...

排序，搜索和计数(Sorting, searching, and counting)排序(Sorting) method description sort(a[, axis, kind, order]) 返回数组的排序副本。 lexsort(keys[, axis]) 使用键的序列执行间接稳定排序。 argsort(a[, axis, kind, order]) 返回将对数组进行排序的索引。 ndarray.sort([axis, kind, order]) 就地排序数组。 msort(a) 返回沿第一个指针排序的数组的副本。 sort_complex(a) 首先使用实部，然后使用虚部对复杂数组进行排序。 partition(a, kth[, axis, kind, order]) 返回数组的分区副本。 argpartition(a, kth[, axis, kind, order]) 使用kind关键字指定的算法，沿给定的指针执行间接分区。 Searching method description argmax(a[, axi...

在几乎所有的机器上，多字节对象都被存储为连续的字节序列。字节顺序，是跨越多字节的程序对象的存储规则。 大端模式：指数据的高字节保存在内存的低地址中，而数据的低字节保存在内存的高地址中，这样的存储模式有点儿类似于把数据当作字符串顺序处理：地址由小向大增加，而数据从高位往低位放；这和我们的阅读习惯一致。 小端模式：指数据的高字节保存在内存的高地址中，而数据的低字节保存在内存的低地址中，这种存储模式将地址的高低和数据位权有效地结合起来，高地址部分权值高，低地址部分权值低。 numpy.ndarray.byteswap()1234567891011121314151617181920212223import numpy as np a = np.array([1, 256, 8755], dtype = np.int16) print ('我们的数组是：')print (a)print ('以十六进制表示内存中的数据：')print (map(hex,a))# byteswap() 函数通过传入 true 来原地交换 print (...

输入和输出NumPy二进制文件（NPY，NPZ） 方法 描述 load(file[, mmap_mode, allow_pickle, …]) 从.npy、.npz或pickle文件加载阵列或pickle对象。 save(file, arr[, allow_pickle, fix_imports]) 将数组保存为NumPy.npy格式的二进制文件。 savez(file, *args, **kwds) 将几个数组以未压缩的.npz格式保存到单个文件中。 savez_compressed(file, *args, **kwds) 以压缩的.npz格式将几个数组保存到单个文件中。 有关这些二进制文件类型的格式，请参阅numpy.lib.format 文本文件 方法 描述 loadtxt(fname[, dtype, comments, delimiter, …]) 从文本文件加载数据。 savetxt(fname, X[, fmt, delimiter, newline, …]) 将数组保存到文本文件。 genfromtxt(fname[,...

线性代数（numpy.linalg）NumPy线性代数函数依赖于BLAS和LAPACK来提供标准线性代数算法的高效低级实现。这些库可以由NumPy本身使用其参考实现子集的C版本提供，但如果可能，最好是利用专用处理器功能的高度优化的库。这样的库的例子是OpenBLAS、MKL(TM)和ATLAS。因为这些库是多线程和处理器相关的，所以可能需要环境变量和外部包（如threadpoolctl）来控制线程数量或指定处理器体系结构。 矩阵和向量积 方法 描述 dot(a, b[, out]) 两个数组的点积。 linalg.multi_dot(arrays) 在单个函数调用中计算两个或更多数组的点积，同时自动选择最快的求值顺序。 vdot(a, b) 返回两个向量的点积。 inner(a, b) 两个数组的内积。 outer(a, b[, out]) 计算两个向量的外积。 matmul(x1, x2, /[, out, casting, order, …]) 两个数组的矩阵乘积。 tensordot(a, b[, axes]) 沿指定轴计算张量点...

矩阵库 (numpy.matlib)该模块包含 numpy 命名空间中的所有函数, 以下返回 矩阵 而不是 ndarrays的替换函数。 也在numpy命名空间中的函数并返回矩阵 method description mat(data[, dtype]) 将输入解释为 矩阵. matrix(data[, dtype, copy]) 注意：不再建议使用此类，即使对于线性 asmatrix(data[, dtype]) 将输入解释为矩阵。 bmat(obj[, ldict, gdict]) 从字符串，嵌套序列或数组构建矩阵对象。 matlib的替换函数 method description empty(shape[, dtype, order]) 返回给定形状和类型的新矩阵，而无需初始化条目。 zeros(shape[, dtype, order]) 返回给定形状和类型的矩阵，并用零填充。 ones(shape[, dtype, order]) 一个矩阵。 eye(n[, M, k, dtype, order]) 返回一个矩阵，在...

逻辑函数真值测试 方法 描述 all(a[, axis, out, keepdims]) 测试是否沿给定轴的所有数组元素求值为True。 any(a[, axis, out, keepdims]) 测试沿给定轴的任何数组元素的求值是否为True。 数组内容 方法 描述 isfinite(x, /[, out, where, casting, order, …]) 逐一测试有限性（不是无穷大还是不是数字）。 isinf(x, /[, out, where, casting, order, …]) 逐元素测试正无穷大或负无穷大。 isnan(x, /[, out, where, casting, order, …]) 对NaN逐个元素进行测试，并将结果作为布尔数组返回。 isnat(x, /[, out, where, casting, order, …]) 对NaT（不是时间）逐个元素进行测试，然后将结果作为布尔数组返回。 isneginf(x[, out]) 逐项测试负无穷大，将结果作为布尔数组返...

量的定义 定义n维数组，并且在数组上进行简单的变换与操作。 名称 标量，单个数据，零阶张量， 向量，一维数组，一阶张量， 矩阵，二维数组，二阶张量 张量，高维数组，张量， 关系 可以使用向量，来定义n维线性空间、n维向量空间。向量，以数学的方式描述n维线性空间。标量、向量、矩阵、张量是对n维线性空间的暴力展开。 维数：数组总共有多少个维度。3维 维度：数组每个维的长度是多少。维度是(2,3,4) 范数：用来衡量数组的特征。F1范数，绝对值之和。F2范数，平方和。 列表和张量不同。列表的低维的维度可以不同。[[1],[1,2]]。张量，相同维的维度必须一致。 对于张量的描述可以使三阶，一阶二维，二阶三维，三阶四维。 对于数组的描述，应该是三维数组，一维维度是2，二维维度是3，三维维度是4 向量描述n维线性空间，向量的维度描述线性空间维度的个数，向量的数据描述每个维度的大小。 高维是外层的，低维是内层的。高维包含多个低维。低维能锁定更精确的数据。高维可以索引低维。 运算 同维度的四则运算，对应位运算。 不同维度的四则运算，进行广播。 点乘，同维度，同位置相乘相加。点乘，不同...

ndarray对象 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。 ndarray 对象是用于存放同类型元素的多维数组。 ndarray 中的每个元素在内存中都有相同存储大小的区域。 ndarray定义1numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0) 名称 描述 object 数组或嵌套的数列 dtype 数组元素的数据类型，可选 copy 对象是否需要复制，可选 order 创建数组的样式，C为行方向，F为列方向，A为任意方向（默认） subok 默认返回一个与基类类型一致的数组 ndmin 指定生成数组的最小维度 ndarray数据类型 名称 描述 bool_ 布尔型数据类型（True 或者 False） int_ 默认的整数类型（类似于 C 语言中的 long，int32 或 int64） intc 与 C 的 int 类型一样，一般...

基本概念NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维数，一维数组的秩为 1，二维数组的秩为 2，以此类推。 很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。 轴=秩=维数 第一维是高维，最后一维是低维。 数组属性 属性 说明 ndarray.ndim 秩，即轴的数量或维度的数量 ndarray.shape 数组的维度，对于矩阵，n 行 m 列 ndarray.size 数组元素的总个数，相当于 .shape 中 n*m 的值 ndarray.dtype ndarray 对象的元素类型 ndarray.itemsize ndarray 对象中每个元素的大小，以字节为单位 ndarray.flags ndarray 对象的内存信息 ndarray.real ndarray元素的实部 ndarray.imag ndarray 元素的虚部 ndarray.data 包含实际数组元素...