Logo
☆☆☆☆☆
0.0
Intermediate
5h

从Python到NumPy

如果你想在当今时代发展机器学习或数据科学领域的职业生涯,掌握一个强大的库是迈出的第一步。在这方面,Python 已成为工业界进行专业数据分析最广泛使用的工具之一,而 NumPy 则可能是最流行的数据分析库。使用 NumPy,你可以高效处理多维数组和矩阵相关的数据(类似于线性代数运算)。 加入我们,在这门全面的课程中深入探索 NumPy 的广阔世界。每一节课都会先讲解概念在纯 Python 中的实现,再过渡到 NumPy 中的实际应用,帮助你理解 NumPy 的向量化操作相较于传统过程式和面向对象的 Python 编程有何优势。 课程中还提供浏览器内的编程练习、测验等环节,让你边学边练,及时检验学习成果。 本课程面向已经掌握中级 Python 水平的学习者。

7 Lessons
Included in Subscription Plan
Personalized Learning
Powered by AI
从Python到NumPy
如果你想在当今时代发展机器学习或数据科学领域的职业生涯,掌握一个强大的库是迈出的第一步。在这方面,Python 已成为工业界进行专业数据分析最广泛使用的工具之一,而 NumPy 则可能是最流行的数据分析库。使用 NumPy,你可以高效处理多维数组和矩阵相关的数据(类似于线性代数运算)。 加入我们,...

Content

7 Lessons • 0 Quizzes • 0 Challenges

简介
  1. 1

    什么是 NumPy?

  2. 2

    NumPy 中的创建操作

  3. 3

    NumPy中的数组重塑

  4. 4

    NumPy中的索引

  5. 5

    NumPy中的广播机制

  6. 6

    NumPy 向量化

  7. 7

    可读性与速度

数组的结构
  1. 1

    简介

  2. 2

    内存布局

  3. 3

    视图与副本

  4. 4

    编码示例:如何判断一个向量是否是另一个向量的视图?

  5. 5

    解决方案回顾

代码向量化
  1. 1

    简介

  2. 2

    统一向量化

  3. 3

    编码示例:生命游戏(Python 实现方法)

  4. 4

    编码示例:生命游戏(NumPy 方法)

  5. 5

    编码示例:反应-扩散

  6. 6

    时间向量化

  7. 7

    编码示例:曼德博集合(Python 方法)

  8. 8

    编码示例:曼德博集合(NumPy 方法)

  9. 9

    编码示例:闵可夫斯基-布利冈维度

  10. 10

    空间向量化

  11. 11

    编码示例:实现Boids的行为(Python方法)

  12. 12

    编码示例:实现Boids的行为(NumPy方法)

  13. 13

    结论

问题向量化
  1. 1

    简介

  2. 2

    编码示例:在迷宫中寻找最短路径

  3. 3

    编码示例:使用广度优先方法寻找迷宫中的最短路径

  4. 4

    编码示例:使用贝尔曼-福特方法寻找迷宫中的最短路径

  5. 5

    编码示例:流体动力学

  6. 6

    编码示例:蓝噪声采样

  7. 7

    编码示例:使用DART方法进行蓝噪声采样

  8. 8

    编码示例:使用Bridson方法进行蓝噪声采样

  9. 9

    结论

自定义向量化
  1. 1

    类型化列表

  2. 2

    编码示例:修改列表

  3. 3

    内存感知数组:Glumpy

  4. 4

    内存感知数组:GPUData 类中的数组子类

  5. 5

    结论

超越 NumPy
  1. 1

    回到 Python

  2. 2

    NumPy 及其相关库

  3. 3

    Scipy 及其相关工具

  4. 4

    结论

结论
  1. 1

    关于作者

  2. 2

    快速概览

Certificate of Completion

Showcase your accomplishment by sharing your certificate of completion.

Course Author:Anonymous User

Reviews

Read reviews from students who have taken this course and share your own experience.

Reviews & Comments (0)