tag numpy

標籤
貢獻16
71
04:55 AM · Oct 28 ,2025
u_14306318 頭像 deephub 頭像 u_14682436 頭像 u_17578016 頭像 zhongtianlan 頭像 jing_h 頭像 u_16175479 頭像 amin_671603a27d1a0 頭像 xiaosong_679f71ca94403 頭像 friesonthepier 頭像 u_16213566 頭像 u_15469972 頭像

@numpy / 博客 RSS 訂閱

xiaosong_679f71ca94403 頭像

小宋 - 多樣本反向傳播矩陣推導及其MLP的代碼實現

一.多樣本反向傳播矩陣推導 二.MLP代碼實現 # @time : 2025/1/8 10:53 # @author : specier import numpy as np import pandas as pd import datetime import pickle class MultipleLayerPerception: def __in

pickle , 神經網絡 , numpy , pandas , 深度學習

收藏 評論

u_17400586 頭像

程序員愛釣魚 - Python 編程實戰 · 進階與職業發展：數據分析與 AI（Pandas、NumPy、Scikit-learn）

數據分析與人工智能是 Python 最強的應用領域之一。從基礎的數組運算，到高維數據處理，再到機器學習建模，Python 已經形成了一個完整且成熟的科學計算生態體系。 而這三大工具庫正是核心： NumPy：高性能數值計算基礎 Pandas：結構化數據處理與分析 Scikit-learn：機器學習建模全流程 如果説真實世界的數據分析是一條

數據 , numpy , 後端開發 , Python

收藏 評論

deephub 頭像

deephub - Pandas 缺失值最佳實踐：用 pd.NA 解決缺失值的老大難問題

做數據處理的都知道，一個 NaN 就能讓整個數據清洗流程崩盤。過濾條件失效、join 結果錯亂、列類型莫名其妙變成 object——這些坑踩過的人應該都有所體會。而Pandas 引入的可空數據類型（nullable dtypes）就是來幫我們填這個坑的。 現在整數列終於能表示缺失了，布爾列不會再退化成 object，字符串列的行為也更可控，這樣我們代碼的邏輯可以變得更清晰。 NumPy 整數類型

機器學習 , numpy , 人工智能 , pandas , Python

收藏 評論

u_14457 頭像

clghxq - 機器學習 - ffmpeg-python 任意提取視頻幀 - 個人文章

ffmpeg-python幀處理終極指南：像素級視頻控制 你還在為逐幀處理視頻而編寫冗長的FFmpeg命令行嗎？還在為像素級操作與Python數據科學工具銜接而煩惱嗎？本文將通過ffmpeg-python庫實現從視頻解碼到幀數據提取的全流程控制，無需複雜命令行知識，即可讓你在5分鐘內掌握視頻幀的精準操作。讀完本文你將獲得：

數據 , numpy , Css , 前端開發 , HTML , Python

收藏 評論

u_14844 頭像

definitely - JavaScript 一元二次方程曲線

數組的函數有一元函數(對一個結果數組進行計算)與二元函數(兩個數組之間的計算)；計算結果可以輸出為新對象，也可改變數組本身 實例：運算函數 1、不改變數組本身 一元函數 import numpy as np a=np.array([1.2,-1,2.5

數組 , JavaScript 一元二次方程曲線 , numpy , 四捨五入 , 前端開發 , Javascript , Python

收藏 評論

u_16213575 頭像

墨舞青雲 - 人工智能（numpy）—— 數據分析_特徵向量 極差

人工智能之數據分析 numpy 第九章 數組運算 @ 目錄 人工智能之數據分析 numpy 前言 一、基礎算術運算（Element-wise Arithmetic） 1. 基本運算符（支持廣播） 2. 廣播（Broadcasting

矩陣乘法 , 數組 , numpy , Css , 前端開發 , HTML

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 深入解析：OpenCV(十)：NumPy中的ROI

感興趣區域（Region of Interest, ROI）是一個核心概念，它允許我們專注於圖像的特定子集進行分析或操作。在 Python 環境下，由於 OpenCV 將圖像表示為NumPy 數組（numpy.ndarray），ROI 的實現和操作完全依賴於 NumPy 強大的切片和索引機制。 基本定義 ROI 是通過指定圖像的行（高度）和列（寬度）範圍來確定的。

數組 , numpy , 加載 , 後端開發 , harmonyos

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 numpy：第二章 簡介與安裝

人工智能之數據分析 numpy 第二章 簡介與安裝 (文章目錄) 前言 NumPy（Numerical Python 的簡稱）是 Python 中用於科學計算的核心庫之一。它提供了高性能的多維數組對象（ndarray）以及用於操作這些數組的工具，廣泛應用於數據分析、機器學習、圖像處理、物理模擬等領域。 一、NumPy 的主要特點

機器學習 , yyds乾貨盤點 , numpy , 後端開發 , Python

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 numpy：第十四章 知識總結

人工智能之數據分析 numpy 第十四章 知識總結 (文章目錄) 前言 本文主要講解 NumPy 的核心知識點總結，涵蓋其作為 Python 科學計算基石的關鍵概念與最佳實踐，適合快速回顧、面試準備或系統學習。 🧱 一、基礎核心：ndarray（N 維數組） 唯一數據結構：所有操作圍繞 numpy.ndarray 展開。

數組 , numpy , 人工智能 , 數據分析 , Python

收藏 評論

u_16213566 頭像

雲端小仙童 - Numpy、Matplotlib和pandas學習路線引導

Numpy內容 Numpy是Python中用於科學計算的核心庫，提供高性能的多維數組對象（ndarray）及運算工具。其核心功能包括數組創建、數學運算、線性代數、隨機數生成等。實戰中常用於數據處理、數值模擬和矩陣運算。 1. Numpy的數組對象ndarray ndarray 是 Numpy 的核心數據結構，支持多維數組操作。其特點包括

matplotlib , 數組 , numpy , 後端開發 , pandas , Python

收藏 評論

friesonthepier 頭像

去碼頭整點薯條 - 利用 Python 進行數據分析 —— 2 NumPy 基礎

什麼是 NumPy？根據其官方文檔的介紹： NumPy 是Python中科學計算的基礎包。它是一個Python庫，提供多維數組對象，各種派生對象（如掩碼數組和矩陣），以及用於數組快速操作的各種API，有包括數學、邏輯、形狀操作、排序、選擇、輸入輸出、離散傅立葉變換、基本線性代數，基本統計運算和隨機模擬等等。 NumPy 的核心是一個特殊的數組對象——ndarray 對象。當運算涉及到 nda

numpy , 讀書筆記 , 數據分析 , Python

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 numpy：第四章 數組屬性和數據類型

人工智能之數據分析 numpy 第四章 數組屬性和數據類型 (文章目錄) 前言 NumPy 的 ndarray（N 維數組） 不僅是一個高效的多維容器，還具有豐富的屬性和靈活的​數據類型（dtype）系統​。理解這些內容對於高效使用 NumPy 至關重要。 一、NumPy 數組的核心屬性 創建一個示例數組： import num

數組 , numpy , 後端開發 , Python

收藏 評論

amin_671603a27d1a0 頭像

AMIN - 一天一個Python庫：NumPy - 科學計算的基石

引言 歡迎來到【一天一個Python庫】系列！作為本系列的開篇之作，我們選擇了Python科學計算生態系統的基石 - NumPy。 無論你是數據科學家、機器學習工程師還是研究人員，NumPy都是你工具箱中不可或缺的利器。 一、什麼是NumPy？ NumPy（Numerical Python的簡稱）是Python語言的一個擴展庫，支持大量的維度數組與矩陣運算，並提供了大量的數學函數來操作這些

numpy , Python

收藏 評論

u_16175479 頭像

mob649e815f494b - ollama模型調整

在現代AI模型應用中，進行"ollama模型調整"是確保模型更好性能的關鍵一環。這篇博文將帶你深入理解如何有效地進行模型調整，涵蓋從環境預檢到遷移指南的整個過程，讓我們一起來看吧。 環境預檢 在啓動模型調整之前，首先需要確保你的環境設置是合適的。在這裏，我們將構建一張思維導圖來梳理出必需的硬件拓撲。同時，我們也需要檢查一下依賴版本。如果某個庫的版本不兼容，將直接導致模型無法正常運

numpy , bash , aigc , 回滾

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 numpy：第九章 數組運算

人工智能之數據分析 numpy 第九章 數組運算 (文章目錄) 前言 NumPy 不僅提供了高效的多維數組（ndarray）結構，還內置了豐富的數組運算功能，包括基礎算術、比較邏輯、位運算、通用函數（ufunc）、矩陣與線性代數等。這些運算是向量化的，無需顯式循環，性能遠超純 Python。 下面系統講解 NumPy 的各類數組運算。

數組 , yyds乾貨盤點 , numpy , 後端開發 , Python

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 numpy：第十一章 字符串與字節交換

人工智能之數據分析 numpy 第十一章 字符串與字節交換 (文章目錄) 前言 在 NumPy 中，字符串數組 和 字節序（Endianness）交換 是兩個重要但常被忽視的主題。下面分別詳細講解，並説明它們的聯繫與應用場景。 一、NumPy 中的字符串數組 NumPy 支持兩種主要的字符串類型：

yyds乾貨盤點 , 字符串 , numpy , 後端開發 , 字節序 , Python

收藏 評論

deephub 頭像

deephub - 向量化操作簡介和Pandas、Numpy示例

Pandas是一種流行的用於數據操作的Python庫，它提供了一種稱為“向量化”的強大技術可以有效地將操作應用於整個列或數據系列，從而消除了顯式循環的需要。在本文中，我們將探討什麼是向量化，以及它如何簡化數據分析任務。 什麼是向量化? 向量化是將操作應用於整個數組或數據系列的過程，而不是逐個遍歷每個元素。在Pandas中可以對整個列或Series執行操作，而無需編寫顯式循環。這種高效的方法利用了

機器學習 , numpy , 人工智能 , pandas , Python

收藏 評論

jing_h 頭像

Jing_H - pandas使用相關問題記錄

1-na值相關。na值有多種，這是較為完善的一種判斷： if value in (None, pd.NaT, np.nan) or pd.isna(value): 因為遇到一種情況，print出來是nan，type是class 'float'，但就是沒有進入if裏面。 問了ai，加了or後面的內容，才進入if。 2-切片問題

numpy , pandas , Python

收藏 評論

zhongtianlan 頭像

邊種田邊寫代碼 - NumPy學習的第一天——ndarray對象

ndarray對象簡介 NumPy 定義了一個 n 維數組對象，簡稱 ndarray 對象，它是一個一系列u相同類型元素/u組成的數組集合，以 0 下標為開始進行集合中元素的索引。數組中的u每個元素都佔有大小相同的內存塊/u，可以使用索引或切片的方式獲取數組中的每個元素 ndarray 對象採用了數組的索引機制，將數組中的每個元素映射到內存塊上，並且按照一定的佈局對內存塊進行排列，常用的佈局方式有

numpy , 學習筆記 , Python

收藏 評論

u_17578016 頭像

wx690f58fc7961b - 人工智能之數據分析 numpy：第八章 數組廣播

一、廣播的定義 廣播是指 NumPy 在計算時，將較小的數組 “廣播” 到較大數組的形狀，以便兩者可以進行 element-wise（元素級）操作的機制。 換句話説，當兩個數組形狀不同時，NumPy 會嘗試將它們調整為相同的形狀，然後再執行運算。 二、廣播的規則 NumPy 的廣播機制遵循一套嚴格的規則，以確定兩個數組是否可以進行廣播，以及如何進行廣播。

數組 , numpy , 後端開發 , Python

收藏 評論

u_14682436 頭像

TwcatL - 深度學習入門避坑指南：從0到1的系統學習路徑與實踐經驗

對於很多想要入門深度學習的初學者而言，面對海量的學習資源、複雜的數學原理和層出不窮的模型框架，很容易陷入“無從下手”或“盲目跟風”的困境。我也曾經歷過從“看不懂論文”“跑不通代碼”到能夠獨立完成簡單項目的過程，期間踩過不少坑，也積累了一些實用的學習經驗。本文將結合我的個人學習經歷，梳理一套從0到1的深度學習系統學習路徑，拆解學習過程中的核心難點與避坑要點，為新手提供清晰的學習方向

私藏項目實操分享 , numpy , 深度學習 , jquery , 前端開發 , 數據預處理

收藏 評論