Numpy基础与实例——人工智能基础

文章目录 一、Numpy概述 1. 优势 2. numpy历史 3. Numpy的核心：多维数组 4. 内存中的ndarray对象 4.1 元数据（metadata） 4.2 实际数据 二、numpy基础 1. ndarray数组 2. arange、zeros、ones、zeros_like 3. ndarray对象属性的基本操作 3.1 修改数组维度 3.2 修改数组元素类型 3.3 数组的size 4. 数组元素索引 5. Numpy内部基本数据类型 5.1 基本数据类型简写的应用案例 5.2 将列表强转为数组 方式1 通过字符串的方式指定dtype（不常用） 方式2：通过列表套元组（不常用） 方式3：通过字典的固定键设置dtype 5.3 datetime64 6. ndarray数组维度操作 6.1 视图变维（数据共享）：reshape()与ravel() 6.2 赋值变维（数据独立） 6.3 就地变维：直接改变原数组的维度，不返回新数组 7. ndarray数组切片操作 7.1 一维数组切片 7.2 多维数组切片 7.3 ndarray数组的掩码操作 布尔掩码 布尔掩码操作案例：求100以内3的倍数的数字 标签掩码：掩码数组中为索引值 7.4 多维数组的组合与拆分 stack and split concatenate 长度不等的数组组合 简单一维数组组合方案 ndarray类的其他属性 文章目录 一、Numpy概述 1. 优势 2. numpy历史 3. Numpy的核心：多维数组