Numpy是一个用python实现的科学计算的扩展程序库,包括:
- 1、一个强大的N维数组对象Array;
- 2、比较成熟的(广播)函数库;
- 3、用于整合C/C++和Fortran代码的工具包;
- 4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。
NumPy(Numeric Python)提供了许多高级的数值编程工具,如:矩阵数据类型、矢量处理,以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用,以及核心的科学计算组织如:Lawrence Livermore,NASA用其处理一些本来使用C++,Fortran或Matlab等所做的任务。
本文由光城同学整理
1.Numpy基本操作
-
1.1 列表转为矩阵
-
1.2 维度
-
1.3 行数和列数()
-
1.4 元素个数
2.Numpy创建array
-
2.1 一维array创建
-
2.2 多维array创建
-
2.3 创建全零数组
-
2.4 创建全1数据
-
2.5 创建全空数组
-
2.6 创建连续数组
-
2.7 reshape操作
-
2.8 创建连续型数据
-
2.9 linspace的reshape操作
3.Numpy基本运算
-
3.1 一维矩阵运算
-
3.2 多维矩阵运算
-
3.3 基本计算
4.Numpy索引与切片
5.Numpy array合并
-
5.1 数组合并
-
5.2 数组转置为矩阵
-
5.3 多个矩阵合并
-
5.4 合并例子2
6.Numpy array分割
-
6.1 构造3行4列矩阵
-
6.2 等量分割
-
6.3 不等量分割
-
6.4 其他的分割方式
7.Numpy copy与 =
-
7.1 =赋值方式会带有关联性
-
7.2 copy()赋值方式没有关联性
8.广播机制
9.常用函数
-
1.Numpy简易入门 1.1 认识NumPy数组对象
1.2 创建NumPy数组
1.3 ndarry对象的数据类型
1.3.1 查看数据类型
1.3.2 转换数据类型
1.4 数组运算
1.4.1向量化运算
1.4.2 数组广播
1.4.3 数组与标量间的运算
1.5 ndarray的索引和切片
1.5.1 整数索引和切片的基本使用
1.5.2 花式(数组)索引的基本使用
1.5.3 布尔型
1.6 数组的转置和轴对称
1.7 NumPy通用函数
1.8 利用NumPy数组进行数据处理
1.8.1 将条件逻辑转为数组运算
1.8.2 数组统计运算
1.8.3 数组排序
1.8.4 检索数组元素
1.8.5 唯一化及其他集合逻辑
1.9 线性代数模块
1.10随机数模块
本文总结了Numpy的常用操作,并做成练习题,练习题附答案建议读者把练习题完成。作者认为,做完练习题,Numpy的基本操作没有问题了,以后碰到问题也可以查这些习题。
网上可以搜到大量的Numpy教程和官方文档,但没有简单的方法来练习。教程是很好的资源,但要付诸实践。 只有实践,才能更好的加深学习。
本站从github搜索到了一些Numpy的练习题100题,含答案,并进行整理:
原代码作者:Nicolas P. Rougier(https://github.com/rougier/numpy-100)
本练习代码可以在github下载:
使用方法 文件夹有三个不同的ipynb文件:
- 100_Numpy_exercises_no_solution.ipynb
没有答案代码的文件,这个是你做的练习
- 100_Numpy_exercises_with_hint.ipynb
没有答案代码的文件,但有提示,这个你也可以用来练习
- 100_Numpy_exercises.ipynb
有答案代码和注释的文件
你可以在100_Numpy_exercises_no_solution.ipynb 里输入代码,看看运行结果是否和100_Numpy_exercises.ipynb 里面的内容一致。