Numpy - 版本历史

Shen：/* 数组运算 */

2025-06-29T02:59:25Z

数组运算

←上一版本		2025年6月29日 (日) 02:59的版本
第38行：		第38行：
	*提取一组数组元素，np.take() 提取多个不连续的元素，对于一维数组来说，较为简单，不用指定维度。方法类似提取单个元素，如果a是一个numpy array，a.take(m,1)表示取每一行的第m个值；a.take(m,0)表示取第m行		*提取一组数组元素，np.take() 提取多个不连续的元素，对于一维数组来说，较为简单，不用指定维度。方法类似提取单个元素，如果a是一个numpy array，a.take(m,1)表示取每一行的第m个值；a.take(m,0)表示取第m行
	print(a.take([1,3,4]))		print(a.take([1,3,4]))

			*intersect1d (两个数组匹配）
			:xy, x_ind, y_ind = np.intersect1d(x, y, return_indices=True)

	===数据类型===		===数据类型===

Shen：/* 特殊数值 nan，inf */

2024-07-07T14:12:54Z

特殊数值 nan，inf

←上一版本		2024年7月7日 (日) 14:12的版本
第69行：		第69行：
	* nan_to_num(x)		* nan_to_num(x)
	直接将nan数值替换为0		直接将nan数值替换为0
			* 一个讨巧的办法是 np.isfinite()可以判断去除各种特殊数值
			* np.nanmedian()这些算法可以不考虑nan数值

	====字符串数组====		====字符串数组====

Shen：/* 字符串数组 */

2023-07-27T06:28:37Z

字符串数组

←上一版本		2023年7月27日 (四) 06:28的版本
第72行：		第72行：
	====字符串数组====		====字符串数组====
	*dtype='str'		*dtype='str'
	*同时对每个元素操作见这里 https://docs.scipy.org/doc/numpy/reference/routines.char.html		*np.char: 同时对每个元素操作见这里 https://docs.scipy.org/doc/numpy/reference/routines.char.html, also 参见[https://blog.csdn.net/m0_37816922/article/details/127957746]
	*字符串数组里面直接定位一个元素，用index会报错，用find返回的是一个布尔数组		*字符串数组里面直接定位一个元素，用index会报错，用find返回的是一个布尔数组
	:解决办法：用tolist()再用index定位		:解决办法：用tolist()再用index定位
	*charar = np.chararray(10, itemsize=10，unicode=True） #字符串长度为10的字符串数组		*charar = np.chararray(10, itemsize=10，unicode=True） #字符串长度为10的字符串数组

	*np.char.add, np.char.split等方法可以实现字符串数组的运算，参见[https://blog.csdn.net/m0_37816922/article/details/127957746]

	===格式输出===		===格式输出===

Shen：/* 字符串数组 */

2023-07-27T06:27:19Z

字符串数组

←上一版本		2023年7月27日 (四) 06:27的版本
第76行：		第76行：
	:解决办法：用tolist()再用index定位		:解决办法：用tolist()再用index定位
	*charar = np.chararray(10, itemsize=10，unicode=True） #字符串长度为10的字符串数组		*charar = np.chararray(10, itemsize=10，unicode=True） #字符串长度为10的字符串数组

			*np.char.add, np.char.split等方法可以实现字符串数组的运算，参见[https://blog.csdn.net/m0_37816922/article/details/127957746]

	===格式输出===		===格式输出===

Shen：/* npz文件 */

2023-07-19T03:14:03Z

npz文件

←上一版本		2023年7月19日 (三) 03:14的版本
第122行：		第122行：
	savez函数输出的是一个压缩文件(扩展名为npz)，其中每个文件都是一个save函数保存的npy文件，文件名对应于数组名。		savez函数输出的是一个压缩文件(扩展名为npz)，其中每个文件都是一个save函数保存的npy文件，文件名对应于数组名。
	load函数自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容。		load函数自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容。
	np.savez(~~file~~, args, *kwds)		np.savez(‘test.npz',zero=np.zeros(10),np.ones(10))
	data = np.load('test.npz') #类似于字典{‘arr_0’:a,’arr_1’:b,’arr_2’:c}		data = np.load('test.npz') #类似于字典{‘arr_0’:a,’arr_1’:b,’arr_2’:c}
			data.files #查看里面包含的数组
	print('arr_0 : ', data['~~arr_0~~'])		print('arr_0 : ', data['zero'])
	print('arr_1 : ', data['arr_1'])		print('arr_1 : ', data['arr_1'])

Shen：/* npz文件 */

2023-07-19T03:06:10Z

npz文件

←上一版本		2023年7月19日 (三) 03:06的版本
第123行：		第123行：
	load函数自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容。		load函数自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容。
	np.savez(file, args, *kwds)		np.savez(file, args, *kwds)
			data = np.load('test.npz') #类似于字典{‘arr_0’:a,’arr_1’:b,’arr_2’:c}
			print('arr_0 : ', data['arr_0'])
			print('arr_1 : ', data['arr_1'])

	==多维数组==		==多维数组==

Shen：/* npz文件 */

2023-07-19T03:04:12Z

npz文件

←上一版本		2023年7月19日 (三) 03:04的版本
第122行：		第122行：
	savez函数输出的是一个压缩文件(扩展名为npz)，其中每个文件都是一个save函数保存的npy文件，文件名对应于数组名。		savez函数输出的是一个压缩文件(扩展名为npz)，其中每个文件都是一个save函数保存的npy文件，文件名对应于数组名。
	load函数自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容。		load函数自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容。
	——————
	np.savez(file, args, *kwds)		np.savez(file, args, *kwds)

Shen：/* npy文件 */

2023-07-19T02:53:45Z

npy文件

←上一版本		2023年7月19日 (三) 02:53的版本
第117行：		第117行：
	数组的简单存取，比较方便可以用于多维数组（二进制格式）		数组的简单存取，比较方便可以用于多维数组（二进制格式）
	*numpy.fromfile(file, dtype=float, count=-1, sep='')		*numpy.fromfile(file, dtype=float, count=-1, sep='')

			====npz文件====
			如果你想将多个数组保存到一个文件中的话，可以使用numpy.savez函数。savez函数的第一个参数是文件名，其后的参数都是需要保存的数组，也可以使用关键字参数为数组起一个名字，非关键字参数传递的数组会自动起名为arr_0, arr_1, …。
			savez函数输出的是一个压缩文件(扩展名为npz)，其中每个文件都是一个save函数保存的npy文件，文件名对应于数组名。
			load函数自动识别npz文件，并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容。
			——————
			np.savez(file, args, *kwds)

	==多维数组==		==多维数组==

Shen：/* 数组运算 */

2023-02-24T00:32:56Z

数组运算

←上一版本		2023年2月24日 (五) 00:32的版本
第10行：		第10行：

	===数组运算===		===数组运算===
			* where
			a=np.arange(10)
			a=np.where(a<5,a,np.nan) #将大于5的数替换为np.nan
	*argmin,argmax		*argmin,argmax
	:数组中极值的位置		:数组中极值的位置

Shen：/* 行向量，列向量 */

2023-02-02T06:39:59Z

行向量，列向量

←上一版本		2023年2月2日 (四) 06:39的版本
第129行：		第129行：
	a=np.arange(10).reshape(1,-1)		a=np.arange(10).reshape(1,-1)
	print(a[0,-1])		print(a[0,-1])

			===索引===
			xpos,ypos=np.indices((5,4))
			x = np.arange(20).reshape(5, 4)
			print(x)
			print(x[xpos,ypos])

	===broadcast===		===broadcast===

Numpy - 版本历史

Shen：​/* 数组运算 */

Shen：​/* 特殊数值 nan，inf */

Shen：​/* 字符串数组 */

Shen：​/* 字符串数组 */

Shen：​/* npz文件 */

Shen：​/* npz文件 */

Shen：​/* npz文件 */

Shen：​/* npy文件 */

Shen：​/* 数组运算 */

Shen：​/* 行向量，列向量 */

Shen：/* 数组运算 */

Shen：/* 特殊数值 nan，inf */

Shen：/* 字符串数组 */

Shen：/* 字符串数组 */

Shen：/* npz文件 */

Shen：/* npz文件 */

Shen：/* npz文件 */

Shen：/* npy文件 */

Shen：/* 数组运算 */

Shen：/* 行向量，列向量 */