numpy标签_AI Agent技术社区

numpy

本地搜图系列-1：人脸搜图-基于Python的本地文件夹人脸图片查找上传人脸查找对应人物的所有本地图片

摘要：本文介绍了一个基于Python Flask框架的人脸搜索系统，使用InsightFace（ArcFace实现）提取人脸特征并建立SQLite索引。用户可通过浏览器上传目标人脸照片，系统会在本地图片库中查找相似人脸。程序支持调整相似度阈值（建议0.2以上）和返回结果数量，首次运行需创建索引，后续可增量更新。系统采用特征向量比对和余弦相似度计算，提供可视化界面展示匹配结果及相似度评分。代码包含完

 chaoyueyuan
2026-06-03 17:03:14

 183

 5

#python #开发语言 #flask +2
Python 肥胖数据集挖掘实战（96% 准确率）

本文基于UCI机器学习库的ObesityDataSet数据集（2111条记录，17个字段），使用Python进行肥胖数据分析与挖掘。数据集包含性别、年龄、BMI等特征，目标变量将人群划分为7个肥胖等级。研究涵盖数据预处理、探索性分析、分类建模（随机森林准确率96%）、聚类分析和回归预测全流程，共生成19张可视化图表。项目完整实现了从数据清洗到模型部署的完整数据科学流程，为肥胖风险预测提供了有效的解

 xintgong
2026-07-25 15:44:09

 461

 15

#python #随机森林 #支持向量机 +4
零基础学 Python 第18章 | 多态与魔法方法：让对象更智能

1. 核心目标：掌握多态与魔法方法，让自定义对象支持print输出、len()统计和运算符操作2. 核心知识点：多态概念与实现、__str__、__repr__、__len__、__add__运算符重载、__eq__比较重载3. 实操产出：迷你图书管理系统，综合运用类定义、继承、封装、多态、魔法方法、文件读写4. 前置基础：第17章封装、第16章继承、第15章类与对象

 梅雅达编程笔记
2026-07-20 14:10:03

 371

 5

#python #开发语言 #pandas +1
Day6--python三大库-numpy

表示对一个超几何分布进行采样，size表示采样的次数，ngood表示总体中具有成功标志的元素个数，nbad表示总体中不具有成功标志的元素个数，ngood+nbad表示总体样本容量，nsample表示抽取元素的次数（小于或等于总体样本容量），函数的返回值表示抽取nsample个元素中具有成功标识的元素个数。从序列中获取元素，若a为整数，元素取值从np.range(a)中随机获取；表示对一个二项分布进

 deepxuan
2026-03-01 20:27:04

 737

 13

#python #numpy #开发语言
零基础学 Python 第9章 | 函数基础：def、参数与返回值

1. 核心目标：学会用 def 定义函数，把代码打包成可复用的工具2. 核心知识点：def 定义函数、形参与实参、return 返回值、多返回值、函数调用流程、参数默认值3. 实操产出：封装温度转换、BMI计算、密码强度检测三个实用函数工具集4. 前置基础：第8章字符串格式化、第3章 if 条件判断、变量与数据类型

 梅雅达编程笔记
2026-07-14 17:46:01

 546

 13

#python #开发语言 #pandas +2
开源一个Python量化交易项目 - 灵鸢V7逆思维策略

è´¹è¡Œæƒ¥é—¨âœ。

MMlonghao
2026-06-17 07:10:12

 72

 1

#numpy #pandas
Pydantic在Agent构建中的作用与应用

Pydantic是Python中最流行的数据验证库，它使用Python类型注解来运行时验证数据。fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;Pydantic核心功能数据验证数据解析数据序列化类型提示自动类型检查自定义验证器错误处理JSON

CFzjy
2026-03-21 15:23:09

 776

 24

#python #数据库 #开发语言 +2
零基础学 Python 第17章 | 封装与 property：保护数据安全

1. 核心目标：掌握封装机制，能用私有属性和 property 装饰器保护类内数据安全2. 核心知识点：私有属性（__前缀）、命名重整、property 装饰器、getter/setter、只读属性、数据验证3. 实操产出：银行账户类，通过 property 控制存取款并验证金额合法性4. 前置基础：第16章继承、第15章类与对象

 梅雅达编程笔记
2026-07-20 13:55:04

 368

 6

#python #开发语言 #pandas +1
Python数据分析（三）：NumPy数组操作与矩阵计算

本文系统介绍了NumPy中矩阵操作的核心概念与方法。主要内容包括：1. 矩阵基础：矩阵作为二维数字网格的数据结构，在数据分析中天然契合"样本-特征"的抽象，支持批量计算。重点讲解了矩阵加法、数乘、转置和乘法四种基本运算，以及单位矩阵和对角矩阵两种特殊矩阵。索引与切片：详细说明了NumPy中高效定位和提取数据的语法，包括一维和多维数组的索引方法，以及视图机制的底层原理与.cop

cui_ruicheng
2026-07-26 12:34:01

 180

 8

#python #数据分析 #numpy
2026Python内存优化实战：布尔数组从1MB到100KB，从新手到高手

本文介绍了Python中存储大量布尔值的内存优化方案。从新手常用的list（占内存大）到numpy数组（省87%内存），再到稀疏数组和自动切换密集/稀疏模式的高阶优化，最终推荐使用开箱即用的BoolHybridArray库，可节省90%内存同时保持list的操作体验。该库支持位运算、二维数组、高性能队列等功能，在100万布尔值场景下仅占100KB内存，访问速度与list相当。适用于特征工程、布隆过

 BKsell
2026-07-26 18:31:11

 460

 10

#python #缓存 #开发语言 +3
零基础学 Python 第16章 | 继承与方法重写

1. 核心目标：掌握单继承、super()、方法重写与多继承，能用继承复用代码、用重写定制行为2. 核心知识点：单继承语法、super()调用父类、方法重写、多继承、MRO方法解析顺序3. 实操产出：动物王国继承体系（Animal基类+Dog/Cat/Bird子类）4. 前置基础：第15章类与对象（class定义、__init__、实例方法）

梅雅达编程笔记
2026-07-19 13:02:08

 479

 15

#python #开发语言 #pandas +2
Python-Numpy 的基础知识

【代码】Python-Numpy 的基础知识。

迷雾yx
2026-06-22 18:44:44

 64

 2

#python #numpy #开发语言
从0到1：你的Python编程之旅从这里启航

从0到1：你的Python编程之旅从这里启航

 要不断坚持啊
2026-04-22 10:29:15

 409

 13

#python #neo4j #开发语言 +1
【Python 科学计算学习笔记】第七章 NumPy数值计算基础

本文为本人学习Python科学计算第七章的笔记，介绍了NumPy库的核心功能与应用方法，主要包括：1. 数组创建（np.array、np.arange等）和属性（shape、dtype等）；2. 数组索引（切片、整数、花式、布尔索引）和形态变换（reshape、ravel等）；3. 数组运算（算术、比较、逻辑运算）和广播机制；4. 线性代数运算（转置、点乘）；5. 文件读写（npy/npz/csv

buzaijiu
2026-07-17 00:29:09

 685

 26

#numpy #python
零基础学 Python 第10章 | 函数进阶：参数灵活用法与作用域

核心目标：掌握函数参数的灵活用法与变量作用域，能写出更通用、更健壮的自定义函数核心知识点：默认参数、关键字参数、*args、**kwargs、参数顺序规则、全局/局部变量、函数嵌套、global关键字实操产出：可配置的学生信息统计工具，支持任意数量成绩统计与格式控制前置基础：第9章函数定义与调用、第7章字典、第4-5章循环与条件

 梅雅达编程笔记
2026-07-15 15:29:25

 592

 20

#python #开发语言 #pandas +2
transforms3d库入门指南：Python三维空间变换全解析

transforms3d虽然功能专一，但在三维几何变换这个垂直领域做得非常扎实。掌握它的核心就是理解四种旋转表示法以及它们之间的转换关系，然后在实际项目中选择最适合当前场景的表示方式。配合numpy的向量化能力，处理大规模空间变换数据也非常高效。

sx18000
2026-07-03 00:17:39

 242

 6

#python #numpy #机器人 +2
Python-pandas-分组与聚合

Pandas分组聚合操作摘要本文介绍了Pandas中强大的分组聚合功能，主要包含以下内容：分组基础：使用df.groupby()创建分组对象，支持单列或多列分组，可查看分组信息（groups/indices/ngroups）聚合操作：基本聚合函数（sum/mean/count等） agg()多函数聚合（函数列表/字典/命名聚合）内置字符串聚合函数自定义聚合函数其他分组操作： tran

菜冻鱼
2026-08-03 10:52:32

 419

 3

#python #pandas #开发语言 +2
零基础学 Python 第11章 | 匿名函数与高阶函数

核心目标：掌握 lambda 与 map/filter/sorted，用简洁代码完成批量数据处理核心知识点：lambda 语法、map() 映射、filter() 过滤、sorted() 排序及 key 参数实操产出：计算器（lambda 四则运算）+ 密码强度校验（高阶函数批量处理）前置基础：第10章函数进阶（参数、返回值、作用域）、第4章循环、第6章列表

 梅雅达编程笔记
2026-07-16 15:30:17

 545

 16

#python #开发语言 #pandas +2
Python 数据分析三大库：NumPy + Pandas + Matplotlib

运算比原生列表快几十倍，适合矩阵、数值计算。

石山代码
2026-05-11 09:39:03

 251

 6

#python #数据分析 #numpy
BoolHybridArray 高效布尔混合数组实战效果展示Python布隆过滤器替代方案：亿级数据去重的位图混合存储实践

摘要：bool-hybrid-array 是一种智能混合存储的布尔数组工具，针对大规模稀疏数据（如用户状态、权限位图）实现极致内存优化。其核心特性包括：动态切换存储模式：根据数据稀疏性自动选择位压缩（稀疏）或连续存储（密集），内存占用可降低90%以上；高效位运算：支持百万级数据的与/或/非操作，利用SIMD指令加速；多维扩展：提供二维矩阵和超大整数存储支持，解决标准类型的溢出问题；实时监控

 BKsell
2026-08-02 15:26:07

 731

 24

#python #性能优化 #开发语言 +2
Python-pandas-文本处理

Pandas 文本处理摘要 Pandas 提供 .str 访问器实现向量化字符串操作，支持常见文本处理功能：基础操作：大小写转换、长度计算切片索引：位置切片、安全取值查找判断：包含检测、正则匹配、首尾判断提取替换：正则分组提取、模式替换拆分拼接：分隔符拆分、多列拼接清理修整：去空格、填充对齐、文本换行大小写转换：支持多种格式转换数值处理：数字检测与提取 .str 方法自动处理 Na

菜冻鱼
2026-08-04 10:46:17

 265

 7

#python #pandas #开发语言 +2
零基础学 Python 第 4 章 | for 循环与 range()：让程序帮你重复干活

核心目标：学会用 for 循环让程序自动重复执行任务，告别复制粘贴核心知识点：for 循环语法 / range() 三种用法 / 遍历字符串与列表 / break 跳出 / continue 跳过 / 循环搭配 if 判断实操产出：能独立写出九九乘法表、成绩批量统计、密码尝试拦截等实用小程序前置基础：第 2 章 print / 变量 / input，第 3 章 if / elif / else 条

 梅雅达编程笔记
2026-07-11 14:07:25

 552

 10

#python #开发语言 #pandas +2
Python数据分析避坑指南：如何快速解决pandas与numpy版本冲突导致的DLL加载失败

本文详细解析了Python数据分析中常见的pandas与numpy版本冲突导致的DLL加载失败问题，提供了从诊断到解决的完整方案。通过版本兼容性矩阵、四步修复法和高级环境管理技巧，帮助开发者快速解决版本不协调问题，确保数据分析工作流畅进行。

t8u9v0
2026-02-25 12:16:52

 993

 19

#pandas #numpy
Python-pandas-索引与筛选

这篇文章摘要（≤150字）： Pandas索引与筛选核心方法指南：重点介绍.loc[]（标签索引，含两端）、.iloc[]（位置索引，不含右端）和布尔索引的使用技巧。.loc按行/列标签选择数据，支持切片和条件筛选；.iloc按整数位置访问，遵循Python切片规则。文章还对比了.at/.iat快速访问标量、query()字符串表达式筛选、where()/mask()条件替换等实用方法，并强调布尔

 菜冻鱼
2026-08-03 10:51:06

 626

 24

#pandas #开发语言 #python +2
零基础学 Python 第15章 | 类与对象：面向对象编程入门

1. 核心目标：掌握用 class 定义类、创建对象，能用面向对象思维组织代码2. 核心知识点：class 定义类、`__init__` 初始化方法、self 参数、实例化、实例属性、实例方法、类属性与实例属性区别3. 实操产出：学生信息管理类，含自我介绍、及格判断、加分功能4. 前置基础：第14章模块与导入、第7章字典、第4-5章函数与循环

 梅雅达编程笔记
2026-07-18 19:34:42

 481

 9

#python #开发语言 #pandas +2
多级BSC二进制对称信道串联信道容量完整推导与Python仿真可视化（P124302148张紫钰）

摘要二进制对称信道（BSC）是离散无记忆信道最基础模型，多级BSC信道串联是通信链路多级中继传输的简化模型。本文先推导两级BSC串联等效转移矩阵与信道容量闭式解，进一步推广得到m级串联BSC通用容量公式；通过Python完成数值仿真，绘制信道容量随误码率、串联级数变化的关系曲线，直观分析串联链路对传输容量的衰减规律，同时结合通信工程场景解释结论物理意义。一、研究背景与意义二进制对称信道BSC广泛用

 Infor_Theory_AHU
2026-06-23 00:39:26

 247

 6

#python #算法 #visual studio +1
零基础学 Python 第12章 | 文件读写：让数据持久保存

核心目标：掌握文件读取与写入，让程序的数据能保存到磁盘并重新加载核心知识点：open() 函数、r/w/a 三种模式、read/readline/readlines、write/writelines、with 上下文管理器、文件路径实操产出：日记本程序，支持写入日记、读取历史记录前置基础：第9-11章函数基础与进阶、第8章字符串操作、第3章异常处理概念

 梅雅达编程笔记
2026-07-16 15:52:51

 468

 14

#python #开发语言 #pandas +2
Python-numpy-文件操作

NumPy文件操作指南摘要 NumPy提供多种高效的数据存储方式：二进制格式（.npy/.npz）：读写速度快，保留元信息，适合单个(.npy)或多个数组(.npz)存储，支持压缩文本格式：通过loadtxt/savetxt处理CSV/TXT，genfromtxt支持复杂文本处理内存映射(memmap)：处理超大文件，按需加载不占内存 HDF5格式：适合GB级以上数据集，支持分层存储和压缩

 菜冻鱼
2026-08-01 15:16:45

 676

 7

#python #numpy #开发语言 +2
python神经网络编程入门（十六）——从零实现RNN前向传播：把公式变成能跑的函数

第2章把公式拆到骨头里，这一章把它变成能跑的函数！纯 NumPy 手写 RNN 前向传播：从单时间步函数到完整 rnn_forward，逐行拆解时间循环、维度切片与 cache 缓存。附小模型手算对照、Seq=1 退化成全连接实验、输出维度与推演表逐位验证、四大常见坑与 FAQ。跑一遍 rnn_forward.py，你也能徒手写出 RNN 前向传播！

Lee_jerome
2026-08-01 16:06:43

 613

 15

#rnn #numpy #深度学习 +2
我用3天搞定NumPy，原来Python可以这么玩！

学习编程最重要的是实践。我在学习NumPy时，每天都会花几个小时写代码，尝试解决各种实际问题。比如用NumPy处理真实世界的数据集，或者解决LeetCode上的数组操作题目。通过实践，我对NumPy的理解更加深入。作为一个有10年经验的Java程序员，我曾经以为转型Python会很困难，但通过正确的方法和工具，我只用了3天就掌握了NumPy。放下Java的固有思维，拥抱Python的灵活从NumP

好一个不正经的程序员
2026-04-05 00:12:52

 478

 13

#python #numpy #开发语言
【Python系列课程】NumPy数组计算（下）：向量化运算、广播机制与聚合函数

本文介绍了NumPy数组计算的三大核心功能：向量化运算、广播机制和聚合函数。向量化运算通过底层优化大幅提升运算效率，比Python循环快数十倍；广播机制使得不同形状的数组也能直接运算，通过规则化的形状扩展实现灵活计算；聚合函数则提供了一站式统计摘要功能，如求和、平均值、最大最小值等。文中通过代码示例和图表演示了这些功能的具体应用，并总结了广播规则速查表。掌握这三大特性是高效使用NumPy进行数据分

 程序大视界
2026-05-31 10:31:36

 51

#python #numpy #开发语言
【Python数据科学实战之路】第2章 | NumPy数值计算：数据科学的基石

NumPy是Python数据科学的核心库，提供高效的多维数组对象和数学运算工具。本文从基础出发，系统讲解NumPy数组的创建、属性、索引切片、广播机制和性能优化等核心内容。重点对比NumPy数组与Python列表的本质区别，介绍NumPy 2.0的新特性（如StringDType和数组API标准），并通过实例演示各种数组创建方法（zeros/ones/arange等）和特殊数组（单位矩阵、对角矩阵

 所谓伊人，在水一方333
2026-03-08 08:01:03

 490

 12

#python #numpy #开发语言
Day 02 · 环境搭建：Python 数据分析零成本工具包

做数据可视化，先把工具装好。本篇带你 10 分钟搭建零成本工作环境：用 Miniconda 管理 Python 环境，安装 pandas/matplotlib/seaborn/pyecharts/plotly 全套可视化库，配置智谱 AI 免费 API（GLM-4.7-Flash）。附带一键安装命令和环境验证脚本，确保每步都跑通。装好就能直接用。

梅雅达编程笔记
2026-07-25 17:55:27

 412

 13

#python #数据分析 #开发语言 +4
python数据分析之numpy

NumPy是Python中用于科学计算的基础库，专注于高效数值运算。它支持多维数组创建（如arange、linspace、zeros等函数）、数组属性查看（shape、dtype等）、以及各种数学操作。NumPy数组相比原生Python列表具有更快的计算速度和更低的内存占用，底层使用C语言优化实现。此外，还提供随机数生成、文件读写、数组合并与复制等功能，是数据分析和科学计算的重要工具。安装方式包括

 Sebrina_x1212
2026-03-17 17:18:37

 369

 8

#python #数据分析 #numpy
【Python学习】NumPy 科学计算入门

本文介绍了Python科学计算核心库NumPy的基础知识与应用。主要内容包括：1) NumPy的核心数据结构ndarray及其创建方法（10种常用方式）；2) 数组的基本操作（索引、切片、形状变换）；3) 向量化运算和广播机制；4) 常用数学与统计函数；5) 线性代数运算（矩阵乘法、求逆、解方程等）；6) 实战案例（数据归一化、线性回归）。NumPy通过高效的数组运算为数据分析和机器学习提供基础支

 大雨淅淅1999
2026-04-25 23:40:24

 517

 12

#python #学习 #numpy +4
零基础学 Python 第8章 | 字符串操作与格式化输出

核心目标：掌握字符串切片与常用方法，学会三种格式化输出，能独立生成格式化成绩单核心知识点：字符串切片、upper/lower/strip/replace/split/join/find/count、%格式化、format方法、f-string实操产出：学生成绩存储与查询小工具（第二部分毕业综合案例）前置基础：第7章字典、第5-6章循环与列表

 梅雅达编程笔记
2026-07-14 15:16:21

 414

 9

#python #开发语言 #pandas +2
NumPy入门必做50道练习题，Python 提高教程之numpy，Python 学习者必须掌握

覆盖全部核心基础知识点，每道题均含：✅✅✅✅✅。

weixin_56622231
2026-04-05 00:01:20

 418

 6

#numpy #python #人工智能 +4
科普：Python / Numpy / PyTorch 的数据拼接方法

本文总结了NumPy、Python列表和PyTorch中三种主要的数组拼接方法：横向拼接（列增加）、纵向拼接（行增加）和维度拼接（新增维度）。NumPy提供hstack、vstack和concatenate函数，PyTorch使用cat和stack函数实现类似功能，而Python列表仅支持简单拼接。关键区别在于拼接维度的控制：NumPy使用axis参数，PyTorch使用dim参数。横向拼接增加特

 人工干智能
2026-04-03 21:39:10

 314

 8

#python #numpy #pytorch
Numpy reshape的order参数实战：用‘C’和‘F’解决你的数据对齐噩梦（以PyTorch/TensorFlow数据输入为例）

本文深入探讨了Numpy reshape的order参数（'C'和'F'）在解决数据对齐问题中的关键作用，特别是在PyTorch和TensorFlow数据输入场景中。通过实战案例展示了如何利用order参数优化图像数据处理流程，避免通道混淆和性能下降，提升深度学习模型的数据预处理效率。

半夏256
2026-04-17 11:23:51

 338

 6

#numpy #深度学习
从物理场到数据洞察：NumPy.gradient在科学计算与机器学习中的实战解析

本文深入解析NumPy.gradient函数在科学计算与机器学习中的实战应用，涵盖梯度计算原理、参数优化及多维数据处理技巧。通过气象分析、流体模拟等案例，展示如何利用该函数提升数据洞察力与模型性能，特别适合Python开发者和数据科学家阅读。

weixin_33709364
2026-04-18 06:49:00

 384

 3

#python #numpy #机器学习
**NumPy实战进阶：用向量化操作解锁高性能科学计算新姿势**在现代数据科学与机器学习领域，**NumPy** 已成为不

在现代数据科学与机器学习领域，已成为不可或缺的核心工具。它不仅提供了高效的数组运算能力，还通过底层C语言实现实现了极致性能。本文将带你深入理解 NumPy 的核心机制，并展示如何借助其强大的向量化特性，编写出简洁、高效且易读的代码。

hyhyyyds1234
2026-04-19 05:41:17

 236

 5

#numpy #机器学习 #人工智能 +2
别再死记公式了！用NumPy和PyTorch手搓Self-Attention，搞懂Transformer核心

本文通过NumPy和PyTorch手把手教你实现Self-Attention机制，深入解析Transformer的核心原理。从Q、K、V矩阵的作用到注意力分数的计算，再到工程实践中的常见陷阱，帮助开发者彻底理解并掌握这一关键技术。

林尧彬
2026-04-25 03:00:17

 293

 7

#numpy #pytorch
从零实现机器学习算法：Python实战与核心原理

机器学习算法的底层实现是深入理解其工作原理的关键路径。通过Python和numpy从零构建经典算法，开发者能够透彻掌握梯度下降、反向传播、信息增益等核心概念的工程实现细节。这种实践方式不仅解决了理论学习与工程应用之间的断层问题，更能培养对算法参数的直觉感知。在实际编码过程中，开发者需要处理矩阵维度匹配、数值稳定性、特征离散化等关键工程问题，这些经验在使用TensorFlow、scikit-lear

Cookie Young
2026-04-27 11:21:17

 346

 7

#numpy