NumPy的目标是奠定Python科学计算的基石。
The goal of NumPy is to create the corner-stone for a useful environment for scientific computing.
——特拉维斯·奥列芬特(Travis Oliphant)
Core Functions and Syntaxes
array.tolist()将ndarray对象转化为列表
for x, y in np.nditer([a,b])应用广播原则,生成两元迭代器
numpy.arange(2,10,2)生成一个以2为首项,8为末项,公差为2的等差数列
numpy.array(['2005-02-25','2011-12-25','2020-09-20'],dtype = 'M')生成数据类型为日期的narray对象
numpy.array(ndarray_obj,copy = False,dtype = 'f')使用array()函数生成ndarray对象,且不复制原ndarray对象,并把数据类型更改为浮点数型
numpy.fromfunction(lambda i, j: i == j,(3, 3), dtype=int)通过lambda匿名函数生成ndarray对象
numpy.fromfunction(sum_of_indices,(5, 3))通过自定义函数sum_of_indices和给定的网格范围(5,3)生成ndarray对象
numpy.linspace(2,10,4)生成的等差数列是在2和10之间,数列的元素个数为4个
numpy.logspace(start =1,stop = 10,num = 3, base = 3)生成一个以1为首项,10为末项,3为公比,元素个数为3的等比数列
numpy.meshgrid(x, y,indexing = 'xy')生成一个几何形式的网格
numpy.nditer(x,order = 'C')以行优先的次序生成ndarray对象x的迭代器,可以用来遍历x中的所有元素
numpy.where(a<5,a+0.1,a+0.2)使用where()函数过滤ndarray中只符合要求的元素
time.time()获得当前时间
with np.nditer(data, op_flags=['readwrite'])as it:通过nditer()函数生成迭代器以修改data中元素的数值,data是一个自定义的ndarray对象