分类：ndarray

2021
07-04

NumPy实现ndarray多维数组操作

目录简介创建ndarrayndarray的属性ndarray中元素的类型转换ndarray的数学运算index和切片基本使用indexwithslicebooleanindexFancyindexing数组变换简介NumPy一个非常重要的作用就是可以进行多维数组的操作，多维数组对象也叫做ndarray。我们可以在ndarray的基础上进行一系列复杂的数学运算。本文将会介绍一些基本常见的ndarray操作，大家可以在数据分析中使用。创建ndarray创建ndarray有很多种方法，我们可以使用np.random来... 继续阅读 >

2021
02-23

Python中生成ndarray实例讲解

生成ndarray最简单的方法就是array函数，array函数接受任意的序列型对象，生成一个新的包含传递数据的NumPy数组。例子如下：importnumpyasnpdata1=[1,2,3,4]data2=[[1,2,3,4],[5,6,7,8]]arr1=np.array(data1)arr2=np.array(data2)arr1=arr1*10arr2=arr2+arr1print(arr1)print(arr2)结果如下[10203040][[11223344][15263748]]实例扩展：矩阵乘：按照线性代数的乘法>>>a=np.array([[1,2,3]... 继续阅读 >

2021
02-21

Numpy ndarray 多维数组对象的使用

介绍目前它是Python数值计算中最为重要的基础包，将numpy的数组的对象作为数据交互的通用语，一般我们要充分理解好矩阵计算的原理，这需要你要有一些线性代数的基础知识。在对数据处理、清洗、构造子集、过滤、变换以及其他计算的过程快速的进行向量化计算，后续也会介绍R语言，因为R语言就是一个原生态基于向量化计算的编程语言。Numpy的核心特征之一就是一个N维数组对象——ndarray,这是一个快速灵活的大型数据集容器，可以进行... 继续阅读 >

2020
10-10

详解pytorch tensor和ndarray转换相关总结

在使用pytorch的时候，经常会涉及到两种数据格式tensor和ndarray之间的转换，这里总结一下两种格式的转换：1.tensorcpu和tensorgpu之间的转化：tensorcpu转为tensorgpu：tensor_gpu=tensor_cpu.cuda()>>>tensor_cpu=torch.ones((2,2))tensor([[1.,1.],[1.,1.]])>>>tensor_gpu=tensor_cpu.cuda()tensor([[1.,1.],[1.,1.]],device='cuda:0')tensorgpu转为tensorcpu：tensor_cpu=tensor_gpu.cuda()... 继续阅读 >

2020
09-25

Numpy 理解ndarray对象的示例代码

  numpy作为python科学计算的基础模块，支撑起了pandas、matplotlib等使用。其中，ndarray作为numpy的重要使用对象不得不研究理解一下。  ndarray，存储单一数据类型的多维数组结构，在内存中连续存在，以行索引和列索引的方式标记数组中的每一个元素。采用预编译好的C语言代码，性能上的表现十分不错。1、ndarray的数据结构2、ndarray的创建numpy主要有以下几种方式创建数组。除此之外，其他过程也可能产... 继续阅读 >