- NumPy 教程
- NumPy - 首页
- NumPy - 简介
- NumPy - 环境配置
- NumPy 数组
- NumPy - Ndarray 对象
- NumPy - 数据类型
- NumPy 数组的创建和操作
- NumPy - 数组创建函数
- NumPy - 数组操作
- NumPy - 从现有数据创建数组
- NumPy - 从数值范围创建数组
- NumPy - 数组迭代
- NumPy - 数组重塑
- NumPy - 数组拼接
- NumPy - 数组堆叠
- NumPy - 数组分割
- NumPy - 数组扁平化
- NumPy - 数组转置
- NumPy 索引和切片
- NumPy - 索引与切片
- NumPy - 高级索引
- NumPy 数组属性和运算
- NumPy - 数组属性
- NumPy - 数组形状
- NumPy - 数组大小
- NumPy - 数组步幅
- NumPy - 数组元素大小
- NumPy - 广播机制
- NumPy - 算术运算
- NumPy - 数组加法
- NumPy - 数组减法
- NumPy - 数组乘法
- NumPy - 数组除法
- NumPy 高级数组运算
- NumPy - 交换数组轴
- NumPy - 字节交换
- NumPy - 拷贝与视图
- NumPy - 元素级数组比较
- NumPy - 数组过滤
- NumPy - 数组连接
- NumPy - 排序、搜索和计数函数
- NumPy - 数组搜索
- NumPy - 数组并集
- NumPy - 查找唯一行
- NumPy - 创建日期时间数组
- NumPy - 二元运算符
- NumPy - 字符串函数
- NumPy - 数学函数
- NumPy - 统计函数
- NumPy - 矩阵库
- NumPy - 线性代数
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 绘制直方图
- NumPy - NumPy 的 I/O 操作
- NumPy 排序和高级操作
- NumPy - 数组排序
- NumPy - 沿轴排序
- NumPy - 使用花式索引排序
- NumPy - 结构化数组
- NumPy - 创建结构化数组
- NumPy - 操作结构化数组
- NumPy - 字段访问
- NumPy - 记录数组
- NumPy - 加载数组
- NumPy - 保存数组
- NumPy - 向数组追加值
- NumPy - 交换数组列
- NumPy - 向数组插入轴
- NumPy 处理缺失数据
- NumPy - 处理缺失数据
- NumPy - 识别缺失值
- NumPy - 删除缺失数据
- NumPy - 缺失数据插补
- NumPy 性能优化
- NumPy - 使用数组进行性能优化
- NumPy - 使用数组进行向量化
- NumPy - 数组的内存布局
- NumPy 线性代数
- NumPy - 线性代数
- NumPy - 矩阵库
- NumPy - 矩阵加法
- NumPy - 矩阵减法
- NumPy - 矩阵乘法
- NumPy - 元素级矩阵运算
- NumPy - 点积
- NumPy - 矩阵求逆
- NumPy - 行列式计算
- NumPy - 特征值
- NumPy - 特征向量
- NumPy - 奇异值分解
- NumPy - 求解线性方程组
- NumPy - 矩阵范数
- NumPy 元素级矩阵运算
- NumPy - 求和
- NumPy - 求平均值
- NumPy - 求中位数
- NumPy - 求最小值
- NumPy - 求最大值
- NumPy 集合运算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 并集
- NumPy - 差集
- NumPy 有用资源
- NumPy 编译器
- NumPy - 快速指南
- NumPy - 有用资源
- NumPy - 讨论
NumPy - 数组操作
NumPy 包中提供了许多函数用于操作 ndarray 对象中的元素。这些函数可以分为以下几类:
更改形状
在 NumPy 中,更改形状是指在不改变数组数据的情况下改变数组的形状:
序号 | 形状及描述 |
---|---|
1 | reshape
赋予数组新的形状,但不改变其数据 |
2 | flat
数组的 1 维迭代器 |
3 | flatten
返回一个将数组压缩成一维的副本 |
4 | ravel
返回一个连续的扁平化数组 |
转置操作
NumPy 的转置操作会在二维数组中交换行和列,或者在更高维数组中重新排列轴:
序号 | 操作及描述 |
---|---|
1 | transpose
置换数组的维度 |
2 | ndarray.T
与 self.transpose() 相同 |
3 | rollaxis
向后滚动指定的轴 |
4 | swapaxes
交换数组的两个轴 |
更改维度
在 NumPy 中更改数组的维度涉及到重塑或重组数组以满足特定需求,而不会改变数据:
序号 | 维度及描述 |
---|---|
1 | broadcast
生成一个模拟广播的对象 |
2 | broadcast_to
将数组广播到新的形状 |
3 | expand_dims
扩展数组的形状 |
4 | squeeze
从数组形状中删除一维条目 |
数组连接
NumPy 中的数组连接沿着指定的轴连接多个数组:
序号 | 数组及描述 |
---|---|
1 | concatenate
沿着现有轴连接一系列数组 |
2 | stack
沿着新的轴连接一系列数组 |
3 | hstack
水平堆叠(列方向)一系列数组 |
4 | vstack
垂直堆叠(行方向)一系列数组 |
数组分割
NumPy 中的数组分割会沿着指定的轴将数组分割成较小的数组:
添加/删除元素
在 NumPy 中添加或删除元素是指向数组追加元素或删除元素:
序号 | 元素及描述 |
---|---|
1 | resize
返回具有指定形状的新数组 |
2 | append
将值添加到数组的末尾 |
3 | insert
在给定轴上的给定索引之前插入值 |
4 | delete
返回一个删除了沿轴子数组的新数组 |
5 | unique
查找数组中唯一元素 |
广告