2025-09-10:仓库迁移

3.数字日期和时间/9.处理大型数组的计算.py

@@ -0,0 +1,39 @@
+import numpy as np
+
+if __name__ == '__main__':
+    # 终于到了最喜欢的环节，没有np我真的会原地爆炸，np万岁
+
+    # 如果是普通的python list， 想要处理是很麻烦的
+    li = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
+    # print(li * 2)
+
+    # 但如果转成nparray,事情就变得简单了起来
+    np_arr = np.array(li)
+    # print(np_arr * 2)
+
+    # np对一维矩阵的运算也做了加强:
+    li2 = [11, 12, 13, 14, 15, 16, 17, 18, 19, 20]
+    np_arr2 = np.array(li2)
+    # print(np_arr * np_arr2)
+
+    # 你甚至可以计算多项式的值
+    # print(3 * np_arr**2 + 2 * np_arr + 1)
+
+    # numpy提供了很多通用函数来对nparray进行操作，比如：
+    np.sin(np_arr)
+    np.sqrt(np_arr)
+    # 这些操作的效率很高，平时要多用
+
+    # 在底层，numpy使用和C一样的连续内存空间，所以只要内存够大，你可以为所欲为
+    grid = np.zeros(shape=(10000, 10000), dtype=float)
+    # print(np.sin(np.sqrt(grid + 10)))
+
+    # numpy对多维数组也提供了很好的支持
+    nd_array = np.array([[1,2,3,4,5], [6,7,8,9,10], [11,12,13,14,15]])
+    print(nd_array)
+    print(nd_array[1])
+    print(nd_array[:, 1])
+    print(nd_array[1:3, 1:3])
+    print(nd_array + [1,2,3,4,5])
+    # np.where,没见过，第一个参数是条件，满足就输出第二个参数x，不满足就输出第三个参数y
+    print(np.where(nd_array < 10, nd_array, np.nan))