3
【Numpy总结】强烈推荐。超实用Numpy学习目录，一篇学会Numpy
source link: https://blog.51cto.com/u_15807450/5736863
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
【Numpy总结】强烈推荐。超实用Numpy学习目录，一篇学会Numpy
精选 原创Numpy 作为最常用的科学计算包，已经被广泛使用，Numpy库十分有用，但学习难度并不高；
下面总结了所有常用的Numpy知识点，看完后Numpy就可以毕业啦！！！
| No | 标题 | 内容 | 链接 | 重要度 |
|---|---|---|---|---|
| 1 | Numpy 对象与类型 | 一、Numpy 对象：ndarray<br>二、新建 Numpy对象 <br> 三、Numpy数据类型<br> 3.1 常见数据类型<br> 3.2 数据类型转换<br> 3.3 数据类型dtype | Link | ⭐⭐ |
| 2 | Numpy 的属性与形状变换 | 一、最基本的属性<br>二、Numpy 常用属性<br> 2.1 ndarray.ndim 数组维度<br> 2.2 ndarray.shape 数组形状<br> 2.3 ndarray.dtype 数组类型<br> 2.4 ndarray.itemsize 数组元素大小<br>三、形状变换<br> 3.1 numpy.reshape 改变形状<br> 3.2 nparray.flat 返回迭代器<br> 3.3 ndarray.flatten & numpy.ravel 平铺展开<br> |
Link | ⭐⭐ |
| 3 | Numpy创建数组 | 一、标准数组的创建<br> 1.1 numpy.empty 创建空数组<br> 1.2 numpy.zeros 创建0数组<br> 1.3 numpy.ones 创建1数组<br>二、创建一般数组<br> 2.0 利用list 创建数组 numpy.array<br> 2.1 利用list 创建数组 numpy.asarray<br> 2.2 利用可迭代对象创建数组 numpy.fromiter<br> 2.3 利用数值范围创建数组 numpy.arange<br> 2.4 利用数值范围创建数组 numpy.linspace<br>三、创建随机数组<br> 3.1 创建整数随机数组：np.random.randint<br> 3.2 创建浮点型随机数组<br> |
Link | ⭐⭐ |
| 4 | Numpy的切片索引与高级索引 | 一、Numpy的切片索引<br> 1.1 使用slice内置函数（不常用）<br> 1.2 使用 [] 切片 (常用，*** 非常重要***)<br> 1.2.1 针对一维数组;<br> 1.2.2 针对二维数组;<br> 二、Numpy的高级索引<br> 2.1 布尔索引 (常用，*** 非常重要***)<br> 2.2 花式索引<br> | Link | ⭐⭐⭐ |
| 5 | 第五节：Numpy的广播 | Numpy的广播的三种情况<br> 1. 有一个数组是一个数字，即可广播；<br> 2. 维度的尾部一致，即可广播；<br> 3. 两个数组均为一维数组，一个为行，一个为列，即可广播； | Link | ⭐⭐⭐ |
| 6 | Numpy 元素的遍历 | 一、单个数组的遍历：numpy.nditer 的使用<br> 1.1 参数：order<br> 1.2 参数：op_flags<br> 1.3 参数：flags<br>二、多个数组的遍历<br> 2.1 多个数组Shape相同时<br> 2.2 多个数组Shape不同时 |
Link | ⭐⭐ |
| 7 | Numpy常用的函数 | 一、Numpy 的加减乘除<br>二、Numpy 的三角函数<br> 2.1 常见三角函数：sin()、cos()、tan()、arcsin()，arccos()， arctan()<br> 2.2 角度与弧度转化：numpy.degrees()<br>三、Numpy 的元素精度函数<br> 3.1 四舍五入：numpy.around()<br> 3.2 向上取整：numpy.ceil()<br> 3.3 向下取整：numpy.floor()<br> 3.4 Numpy指数运算：np.power()<br> 3.5 Numpy取余数：numpy.mod()<br>四、Numpy 的统计运算函数<br> 4.1 最大值与最小值：numpy.amin() 和 numpy.amax()<br> 4.2 极差值：numpy.ptp()<br> 4.3 分位数：numpy.percentile()<br> 4.4 中位数：numpy.median()<br> 4.5 平均值：numpy.mean()<br> 4.6 加权平均值：numpy.average()<br> 4.7 标准差：numpy.std()<br> 4.8 方差：numpy.var()<br>五、字符串相关函数 |
Link | ⭐⭐⭐ |
强烈推荐的学习资料~
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK