NumPy 助你处理数学问题：计算序列的差分用`np.diff()`，示例返回`[5, 10, -20]`；找最小公倍数(LCM)用`np.lcm()`，数组示例返回`18`；最大公约数(GCD)用`np.gcd.reduce()`，数组示例返回`4`；三角函数如`np.sin()`，`np.deg...
NumPy 提供五种舍入小数的方法：`trunc()`, `fix()`, `around()`, `floor()`, `ceil()`。此外，它还支持对数运算，如 `log2()`, `log10()`, `log()`，以及自定义底数的对数。NumPy 的 `sum()` 和 `prod()`...
NumPy 中的简单算术运算可以通过 `add`, `subtract`, `multiply`, `divide`, `power`, `mod`, `remainder` 等函数实现，这些函数支持条件运算，并接受 `where` 参数。例如，`add()` 实现加法，`subtract()` 表...
系列文章目录 机器学习算法（一）：1. numpy从零实现线性回归 机器学习算法（一）：2. 线性回归之多项式回归（特征选取） @目录系列文章目录前言一、理论介绍二、代码实现1、导入库2、准备数据集3、定义预测函数（predict）4 代价（损失）函数5 计算参数梯度6 批量梯度下降7 训练8 可视
NumPy的通用函数(ufunc)提供高性能的逐元素运算，支持向量化操作和广播机制，能应用于数组的数学、逻辑和比较运算。ufunc可提高计算速度，避免低效的循环，并允许自定义函数以满足特定需求。例如，ufunc实现加法比循环更高效。通过`frompyfunc`可创建自定义ufunc。判断函数是否为u...
本文介绍了均匀分布和逻辑分布。均匀分布是连续概率分布，所有事件在指定范围内有相等概率发生，常用于随机数生成。其概率密度函数为 `f(x) = 1/(b-a)`，其中 a 和 b 分别为下限和上限。NumPy 的 `random.uniform()` 可生成均匀分布的随机数。Seaborn 可用于可视...
泊松分布是描述单位时间间隔内随机事件发生次数的离散概率分布，参数λ表示平均速率。公式为 P(k) = e^(-λ) (λ^k) / k!。NumPy 的 `random.poisson()` 可生成泊松分布数据。当 λ 很大时，泊松分布近似正态分布。练习包括模拟顾客到达、比较不同 λ 下的分布及模拟...
前戏 NumPy(Numerical Python) 是 Python 语言中做科学计算的基础库。重在于数值计算，也是大部分Python科学计算库的基础，多用于在大型、多维数组上执行的数值运算。 快捷键的使用： 添加cell：a或者b 删除：x 修改cell的模式： m：修改成markdown模式
二项分布是描述固定次数独立试验中成功次数的概率分布，常用于分析二元结果的事件，如抛硬币。分布由参数 n（试验次数）、p（单次成功概率）和 k（成功次数）定义。概率质量函数 P(k) = C(n, k) * p^k * (1 - p)^(n - k)。NumPy 的 `random.binomial(...
Number_is_the_key 题目 The answers to the questions are hidden in the numbers. 文件是空白的xlsx文件 我的解答： 乱点发现有些单元格加粗了，有些没有，一眼丁真二维码，写个脚本替换一下颜色 exp: from openpyx
正态分布（高斯分布）是重要的概率模型，具有钟形曲线特征，由均值μ和标准差σ描述。NumPy的`random.normal()`可生成正态分布随机数，Seaborn库方便绘制分布图。正态分布广泛应用于统计学、机器学习、金融和工程等领域。练习包括生成正态分布数据、比较不同标准差影响及模拟考试成绩计算平均...
本文介绍了数据分布的概念，它是统计学和数据科学的基础，描述了数据可能出现的频率。NumPy的`random`模块支持生成不同分布的随机数，如`choice`用于离散分布，`randn`和`rand`等用于连续分布。此外，还介绍了数组的随机洗牌和排列。通过Seaborn库，可以创建统计图表，如`dis...
本文介绍了NumPy中的数组排序和过滤功能。`np.sort()`函数用于对数组进行升序排序，对二维数组则按行排序。示例展示了如何对一维和二维数组排序。此外，还讲解了使用布尔索引来过滤数组，以及直接在条件中操作数组以创建过滤后的数组。最后，介绍了NumPy的随机数生成，包括整数、浮点数及特定分布的随...
NumPy 分割数组 NumPy 提供了 np.array_split() 函数来分割数组，将一个数组拆分成多个较小的子数组。 基本用法 语法： np.array_split(array, indices_or_sections, axis=None) array： 要分割的 NumPy 数组。 i
NumPy 数组迭代 NumPy 数组迭代是访问和处理数组元素的重要方法。它允许您逐个或成组地遍历数组元素。 基本迭代 我们可以使用 Python 的基本 for 循环来迭代 NumPy 数组。 一维数组迭代： import numpy as np arr = np.array([1, 2, 3,
NumPy 数组的复制与视图 NumPy 数组的复制和视图是两种不同的方式来创建新数组，它们之间存在着重要的区别。 复制 复制 会创建一个包含原始数组相同元素的新数组，但这两个数组拥有独立的内存空间。这意味着对复制进行的任何更改都不会影响原始数组，反之亦然。 创建副本可以使用以下方法： arr.co
NumPy 数组切片 NumPy 数组切片用于从数组中提取子集。它类似于 Python 中的列表切片，但支持多维数组。 一维数组切片 要从一维数组中提取子集，可以使用方括号 [] 并指定切片。切片由起始索引、结束索引和可选步长组成，用冒号 : 分隔。 语法： arr[start:end:step]
NumPy 创建数组 NumPy 中的核心数据结构是 ndarray，它代表多维数组。NumPy 提供了多种方法来创建 ndarray 对象，包括： 使用 array() 函数 array() 函数是最常用的方法之一，它可以将 Python 列表、元组甚至其他数组转换为 ndarray 对象。 语法
NumPy NumPy 是一个用于处理数组的 Python 库。它代表“Numerical Python”。 基本 随机 ufunc 通过测验测试学习 检验您对 NumPy 的掌握程度。 通过练习学习 NumPy 练习 练习： 请插入创建 NumPy 数组的正确方法。 arr = np. ([1,
博客地址：https://www.cnblogs.com/zylyehuo/ NumPy(Numerical Python) 是 Python 语言中做科学计算的基础库。重在于数值计算，也是大部分Python科学计算库的基础，多用于在大型、多维数组上执行的数值运算。 开发环境 anaconda 集成
