numpy使用记录

Numpy数据类型转换； list 转 numpy，ndarray 转 list； numpy.random.RandomState(seed=None)； 通过索引(indexing)和切片 (slicing)获取数组；正规索引； 数值输出时的格式控制； SciPy使用之求函数导数； np.save(),TypeError: can only concatenate str (not "numpy.float32") to str; 浮点数显示为xxx.999...999或xxx.000...000；

Python numpy使用记录2.数组索引与切片前言数组索引索引获得单个元素索引获得单个数组list索引数组切片：索引切片多维切片索引+切片list索引+切片...的作用 前言 本篇记录numpy数组的索引和切片方法。 数组索引 需要获取numpy数组中的元素，可以采用[index]索引的方法，其中index是每一维度的索引，下标从0开始，到n-1结束（类似C++数组索引）。 索引获得单个元素 当索引的维度与数组维度相同时，索引获得的是单个元素的值： import numpy as np a = np.

Python numpy使用记录4.逻辑运算，与或非，异或前言numpy的逻辑运算函数与或非异或numpy逻辑运算符 前言 最近写码碰到一个问题，有a,mask_1,mask_2,mask_3四个同shape的array，其中a是待索引的目标数组，mask123中的元素则是bool值，表示该位置是否满足提取条件。 我们现在要提取a中同时满足mask123的元素，因此需要使用numpy的逻辑运算，与或非。 numpy的逻辑运算函数 与或非 numpy.logical_and()，numpy.logical_o

Python numpy使用记录5.生成球面斐波那契网格前言斐波那契网格公式代码 前言 本篇学习使用numpy生成球面斐波那契网格。 斐波那契网格公式 对于一个球体，要在球体表面上均匀选取N个点，就可以使用斐波那契网格公式： zn=r(2n−1N−1)xn=r1−zn2⋅cos⁡(2πnϕ)yn=r1−zn2⋅sin⁡(2πnϕ)ϕ=5−12 z_n = r(\frac{2n-1}{N} - 1) \\ \quad \\ x_n = r\sqrt{1-z_n^2}\cdot \cos(2\pi n\phi)

numpy 踩坑记录2025

1.numpy.where() 的用法详解 官方文档：https://docs.scipy.org/doc/numpy/reference/generated/numpy.where.html np.where(condition,x,y) 满足条件输出x,不满足条件输出y。 np.where(condition) 如果只有条件没有x,y.则相当于 np.asarray(condit...

Python numpy使用记录3.数组筛选切片，np.where前言np.where的使用1.筛选替换2.筛选提取 前言 如果我想提取数组中大于某个阈值的所有元素，可以使用数组筛选后提取。 本篇记录数组筛选的方法，np.where np.where的使用 np.where是numpy中用于元素筛选的函数，有两种使用方法。 1.筛选替换 函数原型：np.where(condition, x, y)，condition表示数组与筛选条件，x表示满足条件的替换值，y表示不满足条件的替换值，函数返回替换矩阵（同维

本篇记录一下numpy中常用的几种拼接方法。

Python numpy使用记录1.数组的broadcast机制前言numpy数组计算broadcasting机制shape要求broadcast说明 前言 本篇开始记录一些使用numpy时的技巧。numpy事实上已经成为了python的数据处理包。 不过有的numpy操作不大好理解，也容易遗忘。这里的记录是为了增加记忆。 numpy数组计算 首先记录一下numpy数组的基础。 numpy的基本数据结构是np.ndarray，是多维的张量，np.ndarray由标量构成。numpy的标量与python内置的