张志凌_个人页

2024年07月

• 07.25 08:29:52
  发表了文章 2024-07-25 08:29:52

  NumPy 教程 之 NumPy 从数值范围创建数组 3

  在 NumPy 教程之从数值范围创建数组中, 学习 `numpy.arange` 的使用。此函数格式为 `numpy.arange(start, stop, step, dtype)`，其中 `start` 是起始值（默认 0），`stop` 是终止值（不包含），`step` 为步长（默认 1）。`dtype` 参数定义返回的 ndarray 数据类型。例如, 创建浮点数序列: ```python import numpy as np x = np.arange(5, dtype=float) print(x) # 输出: [0. 1. 2. 3. 4.] ```
• 07.25 08:29:42
  发表了文章 2024-07-25 08:29:42

  NumPy 教程 之 NumPy 从数值范围创建数组 4

  **NumPy 创建数组教程** - **`numpy.arange`**: 从数值范围生成 `ndarray`. - 格式: `np.arange(start, stop, step, dtype)` - 参数: - `start`: 起始值（默认0） - `stop`: 终止值（不包含） - `step`: 步长（默认1） - `dtype`: 数据类型（自动推断） - 示例: `np.arange(10, 20, 2)` 输出 `[10 12 14 16 18]`. 总计字符数: 236
• 07.25 08:29:21
  发表了文章 2024-07-25 08:29:21

  NumPy 教程 之 NumPy 从数值范围创建数组 2

  在 NumPy 教程中，我们学习如何使用 `numpy.arange` 从数值范围创建数组。函数格式为 `numpy.arange(start, stop, step, dtype)`，其中: - `start`: 起始值（默认为 0）, - `stop`: 终止值（不包含）, - `step`: 步长（默认为 1）, - `dtype`: 数据类型（默认使用输入数据类型）. 示例代码创建了一个从 0 到 4 的数组: ```python import numpy as np x = np.arange(5) print(x) ``` 输出: `[0 1 2 3 4]`.
• 07.24 09:25:02
  发表了文章 2024-07-24 09:25:02

  NumPy 教程 之 NumPy 从数值范围创建数组 1

  `numpy.arange` 生成指定范围内的等间距值数组。格式: `arange(start, stop, step, dtype)`。`start`:起始(默认0); `stop`:结束(非包含); `step`:增量(默认1); `dtype`:数据类型(自动推断)。适用于快速构建数值序列。
• 07.24 09:24:48
  发表了文章 2024-07-24 09:24:48

  NumPy 教程 之 NumPy 从已有的数组创建数组 9

  NumPy教程: 从已有数组建新阵。`numpy.fromiter`从迭代对象构建1D数组。用法: `np.fromiter(iterable, dtype, count=-1)`。示例: `x=np.fromiter(iter(range(5)), float)`, 输出: `[0. 1. 2. 3. 4.]`。
• 07.24 09:23:24
  发表了文章 2024-07-24 09:23:24

  NumPy 教程 之 NumPy 从已有的数组创建数组 8

  本教程章节介绍如何使用`numpy.fromiter`方法从现有的数组创建新的NumPy数组。`numpy.fromiter`接受三个参数: iterable（可迭代对象）、dtype（指定返回数组的数据类型）及count（默认为-1，表示读取所有数据）。此方法便于从可迭代对象构建一维ndarray。
• 07.23 09:46:45
  发表了文章 2024-07-23 09:46:45

  NumPy 教程 之 NumPy 从已有的数组创建数组 7

  numpy.frombuffer`将缓冲区转化为`ndarray`。接受`buffer`参数作为输入源，支持任意对象。关键参数包括： - `dtype`: 数据类型，默认为浮点数。 - `count`: 数据数量，默认全部读取。 - `offset`: 起始读取位置，默认为0。
• 07.23 09:34:09
  发表了文章 2024-07-23 09:34:09

  NumPy 教程 之 NumPy 从已有的数组创建数组 7

  numpy.frombuffer`将缓冲区转化为`ndarray`。接受`buffer`参数作为输入源，支持任意对象。关键参数： - `dtype`: 数据类型，默认为`float`。 - `count`: 数据项数量，默认全部读取。 - `offset`: 起始读取位置，默认为0。 **注意**: 字符串需转为字节串（如`b'string'`）。
• 07.23 09:33:31
  发表了文章 2024-07-23 09:33:31

  NumPy 教程 之 NumPy 从已有的数组创建数组 6

  `numpy.frombuffer`将缓冲区转化为`ndarray`。接受`buffer`参数作为输入源，`dtype`指定输出数组类型，`count`定义读取元素数（默认全部），`offset`设定读取起点（默认0）。在Python3中，需将字符串转换为字节串（前加`b`）。
• 07.23 09:32:35
  发表了文章 2024-07-23 09:32:35

  NumPy 教程 之 NumPy 从已有的数组创建数组 5

  **NumPy从已有数组创建新数组** `numpy.frombuffer`将缓冲区转化为动态数组。接受`buffer`（可为任意对象），将其流式转化为ndarray。关键参数： - `buffer`: 流输入源。 - `dtype`=float: 数组数据类型。 - `count`=-1: 数据量，-1表示全部。 - `offset`=0: 起始读取位置。注意：处理字符串时需转换为bytestring。
• 07.22 10:25:36
  发表了文章 2024-07-22 10:25:36

  NumPy 教程 之 NumPy 从已有的数组创建数组 4

  在NumPy教程中，了解如何从现有数据创建数组。`numpy.asarray`是简化版的`numpy.array`，接受输入如列表、元组或多维数组，转化为numpy数组。参数包括：`a`作为输入数据，`dtype`指定数据类型，默认为None，`order`定义内存顺序，可选"C"（行优先）或"F"（列优先）。示例：将整数列表 `[1, 2, 3]` 转为浮点数数组 `print(a)` 输出 `[1. 2. 3.]`。
• 07.22 09:35:11
  发表了文章 2024-07-22 09:35:11

  NumPy 教程 之 NumPy 从已有的数组创建数组 4

  `numpy.asarray` 函数便捷地将各类序列转换为数组，参数包括输入对象 `a`、数据类型 `dtype` 和存储顺序 `order`。例如，将整数列表 `[1, 2, 3]` 转为浮点数数组：
• 07.22 09:34:48
  发表了文章 2024-07-22 09:34:48

  NumPy 教程 之 NumPy 从已有的数组创建数组 3

  `NumPy教程：使用numpy.asarray从已有数据（如列表或元组）创建数组。此函数将任意输入转换为ndarray，参数包括数据类型dtype和内存排序order。例如，将元组列表转为数组：\( x = [(1,2,3), (4,5)] \)，\( a = np.asarray(x) \) 输出：\[ (1, 2, 3) (4, 5) \]。
• 07.22 09:34:32
  发表了文章 2024-07-22 09:34:32

  NumPy 教程 之 NumPy 从已有的数组创建数组 2

  numpy.asarray`类似于`numpy.array`,接受较少参数:输入`a`(如列表或元组),可选`dtype`和`order`('C'行优先,'F'列优先).示例:将元组(1,2,3)转为数组`[1 2 3]`.简洁高效!
• 07.21 19:36:34
  回答了问题 2024-07-21 19:36:34

  如何破除工作中的“路径依赖”？

  赞19 踩0 评论0
• 07.21 18:34:03
  回答了问题 2024-07-21 18:34:03

  通用大模型VS垂直大模型，你倾向于哪一方？

  赞20 踩0 评论0
• 07.21 08:08:47
  发表了文章 2024-07-21 08:08:47

  NumPy 教程 之 NumPy 从已有的数组创建数组 1

  - 使用`numpy.asarray`从列表、元组等构建数组。 - 参数: `a`(输入), `dtype`(数据类型), `order`(`C`或`F`顺序). - 示例: `np.asarray([1,2,3])` 输出 `[1 2 3]`. 快速简洁地转换数据结构至NumPy数组格式.
• 07.21 08:06:54
  发表了文章 2024-07-21 08:06:54

  NumPy 教程 之 NumPy 创建数组 10

  **NumPy创建数组教程：** 使用`numpy.ones_like`创建与已有数组形状相同的全1数组，如`arr = np.array([[1,2,3],[4,5,6],[7,8,9]])`，`ones_arr = np.ones_like(arr)`，结果是`[[1 1 1] [1 1 1] [1 1 1]]`。`numpy.ones`则直接指定形状生成全1数组。两者区别在于是否需指定源数组。参数包括`dtype`（数据类型）、`order`（内存顺序）和`shape`（默认跟随源数组形状）。
• 07.21 08:06:41
  发表了文章 2024-07-21 08:06:41

  NumPy 教程 之 NumPy 创建数组 9

  NumPy教程：`numpy.ones_like`创建与给定数组形状相同的全1数组；`numpy.ones`则直接指定形状。区别在于`ones`需提供形状，`ones_like`借用已知数组形状。参数包括数组`a`(形状源)，`dtype`(数据类型)，`order`(内存顺序)，`subok`(返回子类与否)，和可选的`shape`。
• 07.20 08:33:54
  发表了文章 2024-07-20 08:33:54

  NumPy 教程 之 NumPy 创建数组 8

  **NumPy创建数组：使用`zeros_like`创建与原数组形状相同的零数组。`zeros_like(a, dtype=None, order='K', subok=True, shape=None)`基于给定数组`a`的形状，生成所有元素为0的新数组。参数可定制数据类型、存储顺序和形状。实例：创建一个3x3的零矩阵。**
• 07.20 08:33:14
  发表了文章 2024-07-20 08:33:14

  NumPy 教程 之 NumPy 创建数组 7

  `NumPy`创建数组时，可用`zeros_like`创建与给定数组形状相同的零数组，或用`zeros`指定形状创建。`zeros_like(a)`基于已有数组`a`的形状，`zeros(shape)`则按提供的形状。参数包括数据类型(`dtype`)、内存顺序(`order`)和形状(`shape`)。`shape`若不设，则复制`a`的形状。
• 07.20 08:32:58
  发表了文章 2024-07-20 08:32:58

  NumPy 教程 之 NumPy 创建数组 6

  `NumPy`教程中介绍如何用`numpy.ones`创建数组：生成指定形状的全1数组。例如，`np.ones(5)`产生一维浮点数数组，`np.ones([2,2], dtype=int)`则创建二维整数数组。输出： ``` [1. 1. 1. 1. 1.] [[1 1] [1 1]] ``` 形状、数据类型（默认`None`为浮点型）和内存排列顺序（默认'C'）可自定义。
• 07.19 11:37:32
  发表了文章 2024-07-19 11:37:32

  NumPy 教程 之 NumPy 创建数组 5

  `NumPy`教程：使用`numpy.ones`创建全1数组，形如`numpy.ones(shape, dtype=None, order='C')`，参数`shape`定义数组形状，`dtype`指定数据类型，默认无类型，`order`设定内存布局，默认'C'（行优先）。
• 07.19 07:20:30
  发表了文章 2024-07-19 07:20:30

  NumPy 教程 之 NumPy 创建数组 5

  `NumPy`教程：使用`numpy.ones`创建指定形状的全1数组，如`numpy.ones((3, 4))`生成3x4矩阵。可选参数`dtype`设定数据类型，默认为`None`，`order='C'`表示按C风格（行优先）存储。
• 07.19 07:19:44
  发表了文章 2024-07-19 07:19:44

  NumPy 教程 之 NumPy 创建数组 4

  `NumPy`创建数组，如`numpy.zeros`，用于生成指定形状的零填充数组。示例：`np.zeros(shape, dtype=float, order='C')`。`shape`定义形状，`dtype`设置数据类型，默认为浮点数。`order`指内存排列，C或F。
• 07.19 07:19:30
  发表了文章 2024-07-19 07:19:30

  NumPy 教程 之 NumPy 创建数组 3

  `NumPy`教程：使用`numpy.zeros`创建全零数组，形状为`shape`，数据类型默认为`float`，顺序默认为'C'（行主序）。`dtype`和`order`参数可自定义。
• 07.18 16:28:46
  发表了文章 2024-07-18 16:28:46

  E-MapReduce Serverless Spark 评测

  EMR Serverless Spark服务对比传统引擎和自建集群展现高稳定性和性能，自动化运维降低成本。其敏捷性、自动扩缩容和阿里云生态集成提升了开发效率。不过，监控预警、资源调度和工具集扩展是潜在改进点。该服务可与MaxCompute、DataWorks、Quick BI联动，实现数据处理、管理、可视化一站式解决方案。
• 07.18 09:44:16
  发表了文章 2024-07-18 09:44:16

  NumPy 教程 之 NumPy 创建数组 1

  **NumPy创建数组教程：** 使用`numpy.empty`快速生成未初始化的数组，形如`numpy.empty(shape, dtype=float, order='C')`，设定数组形状、数据类型和内存排列顺序。
• 07.18 09:43:31
  发表了文章 2024-07-18 09:43:31

  NumPy 教程 之 NumPy 创建数组 2

  使用`numpy.empty`创建未初始化的数组，如`np.empty([3,2], dtype=int)`，返回包含随机内存值的`(3,2)`形状数组。`dtype`定义数据类型，默认为`float`，`order`指定内存布局，`'C'`（行优先）或`'F'`（列优先）。实例输出显示未初始化的整数数组元素值是随机的。
• 07.18 09:39:43
  发表了文章 2024-07-18 09:39:43

  NumPy 教程 之 NumPy 创建数组 2

  `NumPy`创建数组时，可用`numpy.empty`创建未初始化的指定形状和类型的数组。例如：`np.empty([3,2], dtype=int)`会产生一个3x2的整数矩阵，其元素值随机，因未赋值。`dtype`定义数据类型，默认为`float`，`order`选项影响内存中的元素排列（默认'C'，行优先）。
• 07.18 09:39:26
  发表了文章 2024-07-18 09:39:26

  NumPy 教程 之 NumPy 创建数组 1

  **NumPy创建数组：使用`numpy.empty`生成未初始化的数组，指定形状`shape`、数据类型`dtype`(默认`float`)和内存排列顺序`order`（默认'C'，行优先）。**
• 07.18 09:39:14
  发表了文章 2024-07-18 09:39:14

  NumPy 教程 之 NumPy 数组属性 8

  NumPy教程讲解数组属性，数组的秩表示维度数，如一维数组秩为1，二维为2。每个线性数组是轴，二维数组由两轴组成。`x=np.array([1,2,3,4,5])`，打印`x.flags`显示数组连续性、数据所有权、可写性等信息。
• 07.17 09:34:42
  发表了文章 2024-07-17 09:34:42

  NumPy 教程 之 NumPy 数组属性 7

  NumPy教程：数组属性聚焦秩(rank)和轴(axis)，表示维度数量。`ndarray.flags`揭示内存细节，如C/F_CONTIGUOUS标志指示数据连续性，OWNDATA检查内存所有权，WRITEABLE允许写入，ALIGNED确保硬件对齐，UPDATEIFCOPY涉及副本更新。
• 07.17 09:33:53
  发表了文章 2024-07-17 09:33:53

  NumPy 教程 之 NumPy 数组属性 6

  **NumPy 数组属性简介**：数组的秩是轴数，如一维数组秩为1，二维为2。`ndarray.itemsize`显示每个元素字节数，如`float64`是8字节，`complex32`是4字节。示例代码展示`int8`和`float64`数组的`itemsize`分别为1和8。
• 07.17 09:33:37
  发表了文章 2024-07-17 09:33:37

  NumPy 教程 之 NumPy 数组属性 5

  NumPy数组的秩是其维度数，如一维数组秩为1，二维为2。数组的每个线性部分称为轴，`ndarray.shape`展示数组的维度，返回元组，长度即秩。`reshape`函数可改变数组尺寸。例如： ```markdown import numpy as np a = np.array([[1,2,3],[4,5,6]]) b = a.reshape(3,2) # 输出: [[1 2] [3 4] [5 6]] ``` 这里，`a.shape`是`(2,3)`，秩为2，`b`通过reshape变为秩为2的\(3 \times 2\)数组。
• 07.16 11:12:05
  发表了文章 2024-07-16 11:12:05

  NumPy 教程 之 NumPy 数组属性 4

  NumPy数组的秩表示维度数，如一维数组秩为1，二维为2。每个线性数组是轴，二维数组含两个轴。`ndarray.shape`展示数组尺寸，返回一个元组，表示行数和列数（即秩）。此属性还能改变数组大小。
• 07.16 11:11:40
  发表了文章 2024-07-16 11:11:40

  NumPy 教程 之 NumPy 数组属性 3

  **NumPy 数组属性简述** NumPy 中的数组秩表示维度，一维数组秩为 1，二维为 2，如此递增。数组的每个线性部分称为轴，二维数组含两轴。`ndarray.shape` 描述数组尺寸，返回元组，长度等于秩。如 `(2, 3)` 表示 2 行 3 列的二维数组，可调整数组大小。例如： ```markdown import numpy as np a = np.array([[1,2,3],[4,5,6]]) print(a.shape) # 输出: (2, 3) ```
• 07.16 11:10:47
  发表了文章 2024-07-16 11:10:47

  NumPy 教程 之 NumPy 数组属性 2

  **NumPy 数组属性简述**：数组的维数叫秩，表示轴的数量。一维数组秩为1，二维为2。每个线性数组是轴，二维数组含两轴。`ndarray.ndim`返回轴数。例如： ```markdown import numpy as np a = np.arange(24) # a 有 1 个维度 b = a.reshape(2, 4, 3) # b 有 3 个维度 print(a.ndim, b.ndim) # 输出：1 3 ``` 这里展示了`ndim`如何显示数组的维度数。
• 07.15 19:18:34
  发表了文章 2024-07-15 19:18:34

  解决方案评测

  阿里云云效平台提供企业门户高效部署，支持品牌宣传、销售和服务功能。针对频繁更新，云效的一键和方案部署优化了效率。文档详细但可增强网络和权限问题的支持，集成更多案例和实时帮助。一键部署快速但需更多定制选项，手动部署灵活应优化自动化。部署流程虽顺畅，偶有网络问题影响连续性。适合不同需求的企业，云效旨在提升用户体验和效率。
• 07.15 16:24:19
  回答了问题 2024-07-15 16:24:19

  如何避免“写代码5分钟，调试2小时”的尴尬？

  赞35 踩0 评论0
• 07.15 15:30:13
  回答了问题 2024-07-15 15:30:13

  国内AI大模型高考数学成绩超GPT-4o，如何看待这一结果？

  赞33 踩0 评论0
• 07.15 09:48:01
  发表了文章 2024-07-15 09:48:01

  NumPy 教程 之 NumPy 数组属性 1

  NumPy教程介绍数组属性：秩表示维度，如一维数组秩为1，二维为2。轴(axis)定义了数组的线性方向，axis=0操縱列，axis=1操纵行。关键属性包括：ndim-秩，shape-维度大小，size-元素总数，dtype-数据类型，itemsize-元素字节大小，flags-内存信息，real/imag-复数部分，data-元素缓冲区。
• 07.15 09:47:49
  发表了文章 2024-07-15 09:47:49

  NumPy 教程 之 NumPy 数据类型 11

  NumPy的`dtype`对象详细描述数组数据的类型、大小、字节顺序及结构。它支持布尔、整数、浮点、复数、时间和日期类型等，与C语言类型相似。通过`numpy.dtype`构造，可指定对齐和复制。每个类型有唯一字符标识，如'b'代表布尔，'i'代表有符号整数，'f'代表浮点数，'c'代表复数，'S'和'U'表示字符串，'V'表示原始数据。字节顺序用'<'或'>'标记。
• 07.15 09:46:28
  发表了文章 2024-07-15 09:46:28

  NumPy 教程 之 NumPy 数据类型 10

  NumPy的`dtype`对象详细描述数组数据，包括类型（如整数、浮点、对象）、大小、字节顺序和结构化字段信息。构造`dtype`时可指定对齐和是否复制。例如，定义一个结构化类型`student`含字符串`name`、整数`age`和浮点数`marks`，然后创建一个数组应用该类型，输出显示结构化数据内容。
• 07.14 11:14:43
  发表了文章 2024-07-14 11:14:43

  NumPy 教程 之 NumPy 数据类型 9

  NumPy的`dtype`对象详细描述数组数据，包括类型（如整数、浮点数）、大小、字节顺序和结构化类型字段。可通过`numpy.dtype()`创建，参数包括数据类型对象、对齐标志和复制选项。例如，定义一个结构化类型`student`，含`name`(字符串)、`age`(整数)和`marks`(浮点数)字段，展示了如何应用到数组。打印`student`显示字段及其类型。
• 07.14 11:14:03
  发表了文章 2024-07-14 11:14:03

  NumPy 教程 之 NumPy 数据类型 8

  NumPy的`dtype`对象详细描述数组数据，包括类型、大小、字节顺序等。它支持结构化类型，允许字段命名。例如，`np.dtype([('age', np.int8)])`创建了一个含年龄字段的类型。实例中，创建数组`a`使用此类型，访问'age'列显示 `[10 20 30]`。`dtype`构造函数接受参数，如`align`和`copy`控制对齐和复制行为。
• 07.14 11:13:42
  发表了文章 2024-07-14 11:13:42

  NumPy 教程 之 NumPy 数据类型 7

  NumPy 的 `dtype` 对象详细描述数组中数据的类型、大小和字节顺序。它支持结构化类型，包括字段名称、数据类型和内存布局。数据类型可通过 `<` 或 `>` 标记字节顺序， `<` 表示小端法，`>` 表示大端法。`numpy.dtype()` 构造函数用于创建 `dtype` 实例，参数包括数据类型对象、对齐标志和复制选项。
• 07.13 11:34:00
  发表了文章 2024-07-13 11:34:00

  NumPy 教程 之 NumPy 数据类型 6

  NumPy的`dtype`对象详细描述数组数据，包括类型（如整数、浮点数）、大小、字节顺序和结构化类型字段。构造`dtype`使用`numpy.dtype()`，参数可指定数据类型、对齐和复制选项。实例展示了创建结构化类型`dt`，含一个`int8`类型的'age'字段，输出为`[('age', 'i1')]`。
• 07.13 09:07:28
  发表了文章 2024-07-13 09:07:28

  NumPy 教程 之 NumPy 数据类型 5

  NumPy 的 `dtype` 对象详细描述数组数据的类型、大小、字节顺序等属性，支持结构化类型和子数组。例如，`<i4` 表示小端法的 32 位整数。`numpy.dtype()` 构造函数用于创建 `dtype` 实例，可指定对齐和复制选项。实例：`np.dtype('<i4')` 创建了一个表示小端法整数的 `dtype`，输出为 `int32`。