NumPy 入门NumPy 简介NumPy 数组创建安装 NumPy如果您已经在系统上安装了 Python 和 PIP，那么安装 NumPy 非常容易。请使用这条命令安装它：C:\Users\Your Name>pip install numpy如果此命令失败，请使用已经安... 阅读全文>>

NumPy 简介NumPy 入门NumPy 数组索引创建 NumPy ndarray 对象NumPy 用于处理数组。 NumPy 中的数组对象称为 ndarray。我们可以使用 array() 函数创建一个 NumPy ndarray 对象。实例import numpy as n... 阅读全文>>

NumPy 数据类型NumPy 数组裁切NumPy 副本/视图Python 中的数据类型默认情况下，Python 拥有以下数据类型：strings - 用于表示文本数据，文本用引号引起来。例如 "ABCD"。integer - 用于表示整数。例如 -1, -2... 阅读全文>>

NumPy 数组副本 vs 视图NumPy 数据类型NumPy 数组形状副本和视图之间的区别副本和数组视图之间的主要区别在于副本是一个新数组，而这个视图只是原始数组的视图。副本拥有数据，对副本所做的任何更改都不会影响原始数组，对原始数组所做的任何更改也不会影响副本。视图不拥有数据... 阅读全文>>

NumPy 数组形状NumPy 副本/视图NumPy 数组重塑数组的形状数组的形状是每个维中元素的数量。获取数组的形状NumPy 数组有一个名为 shape 的属性，该属性返回一个元组，每个索引具有相应元素的数量。实例打印 2-D 数组的形状：import numpy as np... 阅读全文>>

NumPy 数组重塑NumPy 数组形状NumPy 数组迭代数组重塑重塑意味着更改数组的形状。数组的形状是每个维中元素的数量。通过重塑，我们可以添加或删除维度或更改每个维度中的元素数量。从 1-D 重塑为 2-D实例将以下具有 12 个元素的 1-D 数组转换为 2-D 数组。最... 阅读全文>>

NumPy 数组迭代NumPy 数组重塑NumPy 数组连接数组迭代迭代意味着逐一遍历元素。当我们在 numpy 中处理多维数组时，可以使用 python 的基本 for 循环来完成此操作。如果我们对 1-D 数组进行迭代，它将逐一遍历每个元素。实例迭代以下一维数组的元素：imp... 阅读全文>>

NumPy 数组连接NumPy 数组迭代NumPy 数组拆分连接 NumPy 数组连接意味着将两个或多个数组的内容放在单个数组中。在 SQL 中，我们基于键来连接表，而在 NumPy 中，我们按轴连接数组。我们传递了一系列要与轴一起连接到 concatenate() 函数的数组... 阅读全文>>

NumPy 数组拆分NumPy 数组连接NumPy 数组搜索拆分 NumPy 数组拆分是连接的反向操作。连接（Joining）是将多个数组合并为一个，拆分（Spliting）将一个数组拆分为多个。我们使用 array_split() 分割数组，将要分割的数组和分割数传递给它。实例... 阅读全文>>

NumPy 数组过滤NumPy 数组排序NumPy 随机数组过滤从现有数组中取出一些元素并从中创建新数组称为过滤（filtering）。在 NumPy 中，我们使用布尔索引列表来过滤数组。布尔索引列表是与数组中的索引相对应的布尔值列表。如果索引处的值为 True，则该元素包含在过... 阅读全文>>

NumPy 中的随机数NumPy 数组过滤NumPy ufuncs什么是随机数？随机数并不意味着每次都有不同的数字。随机意味着无法在逻辑上预测的事物。伪随机和真随机计算机在程序上工作，程序是权威的指令集。因此，这意味着必须有某种算法来生成随机数。如果存在生成随机数的程序，则可以预... 阅读全文>>

NumPy 数组搜索NumPy 数组拆分NumPy 数组排序搜索数组您可以在数组中搜索（检索）某个值，然后返回获得匹配的索引。要搜索数组，请使用 where() 方法。实例查找值为 4 的索引：import numpy as nparr = np.array([1, 2, 3, ... 阅读全文>>

NumPy 数组排序NumPy 数组搜索NumPy 数组过滤数组排序排序是指将元素按有序顺序排列。有序序列是拥有与元素相对应的顺序的任何序列，例如数字或字母、升序或降序。NumPy ndarray 对象有一个名为 sort() 的函数，该函数将对指定的数组进行排序。实例对数组进行... 阅读全文>>

机器学习 - 入门NumPy ufuncs平均中位数模式机器学习使计算机能够从研究数据和统计信息中学习。机器学习是迈向人工智能（AI）方向的其中一步。机器学习是一种程序，可以分析数据并学习预测结果。从何处开始？在本教程中，我们将回到数学并研究统计学，以及如何根据数据集计算重要数值... 阅读全文>>

机器学习 - 平均中位数模式入门标准差均值、中值和众数从一组数字中我们可以学到什么？在机器学习（和数学）中，通常存在三中我们感兴趣的值：均值（Mean） - 平均值中值（Median） - 中点值，又称中位数众数（Mode） - 最常见的值例如：我们已经登记了 13 辆车的速度：... 阅读全文>>

机器学习 - 标准差平均中位数模式百分位数什么是标准差？标准差（Standard Deviation，又常称均方差）是一个数字，描述值的离散程度。低标准偏差表示大多数数字接近均值（平均值）。高标准偏差表示这些值分布在更宽的范围内。例如：这次我们已经登记了 7 辆车的速度：spee... 阅读全文>>

NumPy ufuncsNumPy 随机入门什么是 ufuncs？ufuncs 指的是“通用函数”（Universal Functions），它们是对 ndarray 对象进行操作的 NumPy 函数。为什么要使用 ufuncs？ufunc 用于在 NumPy 中实现矢量化，这比... 阅读全文>>

机器学习 - 百分位数标准差数据分布什么是百分位数？统计学中使用百分位数（Percentiles）为您提供一个数字，该数字描述了给定百分比值小于的值。例如：假设我们有一个数组，包含住在一条街上的人的年龄。ages = [5,31,43,48,50,41,7,11,15,39,80... 阅读全文>>

机器学习 - 数据分布百分位数正态数据分布数据分布（Data Distribution）在本教程稍早之前，我们仅在例子中使用了非常少量的数据，目的是为了了解不同的概念。在现实世界中，数据集要大得多，但是至少在项目的早期阶段，很难收集现实世界的数据。我们如何获得大数据集？为了创建用... 阅读全文>>

机器学习 - 正态数据分布数据分布散点图正态数据分布（Normal Data Distribution）在上一章中，我们学习了如何创建给定大小且在两个给定值之间的完全随机数组。在本章中，我们将学习如何创建一个将值集中在给定值周围的数组。在概率论中，在数学家卡尔·弗里德里希·高斯（... 阅读全文>>