概述
文章
- 基础篇
- 进阶篇
- 其他篇
用户指南
NumPy 参考手册
- 数组对象
- 常量
- 通函数（ufunc）
- 常用 API
- 创建数组
- 数组处理程序
- 二进制运算
- 字符串操作
- C-Types 外部函数接口（numpy.ctypeslib）
- 时间日期相关
- 数据类型相关
- 可选的 Scipy 加速支持（numpy.dual）
- 具有自动域的数学函数（ numpy.emath）
- 浮点错误处理
- 离散傅立叶变换（numpy.fft）
- 财金相关
- 实用的功能
- 特殊的 NumPy 帮助功能
- 索引相关
- 输入和输出
- 线性代数（numpy.linalg）
- 逻辑函数
- 操作掩码数组
- 数学函数（Mathematical functions）
- 矩阵库 （numpy.matlib）
- 杂项（Miscellaneous routines）
- 填充数组（Padding Arrays）
- 多项式（Polynomials）
- 随机抽样 （numpy.random）
- 操作集合（Set routines）
- 排序，搜索和计数（Sorting, searching, and counting）
- Statistics
- Test Support （numpy.testing）
- Window functions
- 打包（numpy.distutils）
- NumPy Distutils 用户指南
- NumPy C-API
- NumPy 的内部
- NumPy 和 SWIG
其他文档
文章来源于网络收集而来，版权归原创者所有，如有侵权请及时联系！
数组对象
NumPy提供了一个N维数组类型，即ndarray， 它描述了相同类型的“项目”集合。可以使用例如N个整数来索引项目。
所有ndarray都是同质的open in new window：每个项目占用相同大小的内存块， 并且所有块都以完全相同的方式解释。 如何解释数组中的每个项目由单独的数据类型对象指定， 其中一个对象与每个数组相关联。除了基本类型（整数，浮点数 等 ）之外， 数据类型对象还可以表示数据结构。
从数组中提取的项（ 例如 ，通过索引）由Python对象表示， 其类型是在NumPy中构建的数组标量类型之一。 数组标量允许容易地操纵更复杂的数据排列。
图的概念表现了用于描述数组中数据的三个基本对象之间的关系：1）ndarray本身，2）描述数组中单个固定大小元素布局的数据类型对象，3）访问数组的单个元素时返回的数组标量Python对象。
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论