Numpy数据处理详解——Python机器学习和数据科学中的高性能计算方法

第1章 NumPy基础 1.1 NumPy的基础与安装方法 1.1.1 NumPy入门 1.1.2 Python的安装 1.1.3 NumPy的安装方法 1.1.4 NumPy入门教程 1.2 多维数据结构ndarray的基础 1.2.1 ndarray 1.2.2 属性 1.2.3 内存布局 1.2.4 步长 1.2.5 广播 1.3 广播 1.3.1 何谓广播 1.3.2 广播的运行机制 1.4 切片 1.4.1 何谓切片 1.4.2 切片的使用方法 1.4.3 向高维数据结构扩展 1.5 关于坐标轴和维度 1.5.1 ndarray的维度 1.5.2 关于坐标轴 1.5.3 作为函数参数的axis 1.6 ndarray的shape属性 1.7 元素数据类型的种类与指定方法 1.7.1 需要dtype的理由 1.7.2 数据类型 1.8 副本与视图的区别 1.8.1 副本和视图 1.8.2 不同操作方式的区别 1.8.3 数组的扁平化 1.8.4 fancy indexing 1.8.5 副本和视图的分辨方法 第2章 NumPy与数组操作 2.1 数组形状变换函数 2.1.1 np.reshape 2.1.2 np.resize 2.1.3 ndarray.resize 2.1.4 np.reshape与np.resize等方法的区别 2.2 添加元素到数组末尾的函数 2.2.1 Python列表的append方法 2.2.2 np.append 2.2.3 性能对比 2.3 数组的真假值判断函数 2.3.1 np.all 2.3.2 np.any 2.4 指定条件获取元素索引的函数 2.4.1 np.where 2.4.2 条件的指定 2.4.3 使用np.where的三元运算符 2.5 *大值、*小值的筛选函数 2.5.1 np.amax 2.5.2 ndarray.max 2.5.3 np.amin 2.5.4 np.ndarray.min 2.6 返回数组中*大元素索引的函数 2.6.1 np.ndarray.argmax 2.6.2 np.argmax …… 第3章 NumPy数学函数应用 第4章 NumPy机器学习编程