type
status
date
slug
summary
tags
category
icon
password
Property
May 24, 2025 07:52 AM
Python中的内积，点积。
内积：
点积：
Numpy核心数据结构是数组，ndArray，n维数组。类比列表。
n dim array
相同点：
数组与列表一样都是序列，所以可以通过索引与切片的方式访问的元素；其次，列表与数组都可以求长度，第三点，列表与数组都是可迭代对象，可以使用for循环去遍历使用，第四，列表是可变的，我们可以修改列表，数组也可以，数组也可以修改。
不同点：
（1）数组【主要是数字数组】内的元素类型是会统一的，列表的元素数据类型是不统一的；
（2）列表是非常灵活的，因为内存自动管理，自动伸缩。虽然数组也是可变的 ，但是创建之后是固定的大小，修改后的长度不会发生变化。因此比较下来，数组的效率比列表更高。
Np.Array
arrayLike ： 类数组对象，比如元组，列表。
Python中，索引是一种降维操作。
一维数组通过索引去访问数据，得到的结果就是标量，从一维数组降维到了0维标量。这就是一个降维的过程。而切片不同，切片不会导致原对象降维，数组切片的结果还是一个数组，列表切片的结果还是一个列表，只是数量变少了，数据长度变短了而已。
有符号整数与无符号整数：
有符号整数代表的是正负数，无符号整数表示不能表示负数，只能表示正数。Python中，浮点数有三种精度，半精度，单精度，双精度。分别占2,4,8个字节。
数组一定是对称的，一定是规则的。
Python中range函数与Numpy数组的arange相比，前者range函数只能支持整数，不支持浮点数，而后者arange支持浮点数。Numpy还有一个自动推算步长的range函数，就是linespace函数。
数组可以进行reshape操作，但是reshape前后size不能发生变化。
数组之间做运算，会存在广播操作，广播条件需要看后缘维度是否匹配。
数组切片结果是一个视图，对应位置的数据如果后续发生变化，视图也会做相应变化，
Pandas Series and DataFrame
行标签，列标签
pandas 中指定Series的数据类型的时候，能转则转，转不了就不转
以列为单位，数据类型要么都变，要么都不变
机器学习 梯度下降
- 作者:fntp
- 链接:https://polofox.com/article/py-2
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
