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
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
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...
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(...
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...
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
`NumPy`（Numerical Python）是一个`Python`库，主要用于高效地处理多维数组和矩阵计算。它是科学计算领域中使用最广泛的一个库。 在`NumPy`中，**数组**是最核心的概念，用于存储和操作数据。 `NumPy`数组是一种多维数组对象，可以存储相同类型的元素，它支持高效的数
