- 综合排序
- 最热优先
- 最新优先
- 来自专栏python3
科学计算库Numpy——数值计算
矩阵 求和 乘积 最大值和最小值 最大值和最小值的位置 平均数 标准差 方差 限制 四舍五入
1.3K20发布于 2020-01-16 - 来自专栏机器学习与统计学
【实验楼-Python 科学计算】SciPy - 科学计算库（上）
SciPy 库建立在 Numpy 库之上，提供了大量科学算法，主要包括这些主题： · 特殊函数 (scipy.special) · 积分(scipy.integrate) · 最优化 (scipy.optimize scipy.linalg) · 稀疏特征值 (scipy.sparse) · 统计(scipy.stats) · 多维图像处理 (scipy.ndimage) · 文件IO (scipy.io) 特定函数 在计算科学问题时 示例：阻尼谐震子 常微分方程问题在计算物理学中非常重要，所以我们接下来要看另一个例子：阻尼谐震子。 傅立叶变换 傅立叶变换是计算物理学所用到的通用工具之一。Scipy 提供了使用 NetLib FFTPACK 库的接口，它是用FORTRAN写的。Scipy 还另外提供了很多便捷的函数。
1.8K10发布于 2019-04-10 - 来自专栏机器学习与统计学
【实验楼-Python 科学计算】SciPy - 科学计算库（下）
使用 eigvals 计算矩阵的特征值，使用 eig 同时计算矩阵的特征值与特征向量： evals = eigvals(A) evals => array([ 1.06633891+0.j SciPy 对稀疏矩阵有着很好的支持，可以对其进行基本的线性代数运算（比如方程求解，特征值计算等）。 有很多种存储稀疏矩阵的方式。 type '<type 'numpy.float64'>' with 6 stored elements in Compressed Sparse Column format> 可以像计算稠密矩阵一样计算稀疏矩阵
1.2K21发布于 2019-04-10 - 来自专栏mathor
科学计算库Numpy
axis = 1))#[5 20 35] print (vector.min(axis = 0))#[5 10 15] #print (help(numpy.array)) axis表示按行或列进行计算 ，axis=1表示按行计算，axis=0表示按列计算 sum函数 import numpy vector = numpy.array([[5,10,15], (vector.T)#转置 print (vector.reshape(4,-1)) reshape只要有一个参数确定，另一个参数就确定了，所以另一个参数如果你懒得算，直接写-1，python会自动计算另一个维度是多少
1.1K40发布于 2018-08-17 - 来自专栏极客慕白的成长之路
Python科学计算：Pandas
expression 12 lambda argument_list: expression 这里argument_list是参数列表，expression是关于参数的表达式，会根据expression表达式计算结果进行输出返回
2.6K10发布于 2020-01-02 - 来自专栏python前行者
科学计算工具Numpy
mp.weixin.qq.com/s/2GxvBC5WWRt8eT1JnVqx1w 1.ndarray的创建与数据类型 1.Numpy（Numerical Python） Numpy：提供了一个在Python中做科学计算的基础库 ，重在数值计算，主要用于多维数组（矩阵）处理的库。 本身是由C语言开发，是个很基础的扩展，Python其余的科学计算扩展大部分都是以此为基础。 高性能科学计算和数据分析的基础包 ndarray，多维数组（矩阵），具有矢量运算能力，快速、节省空间 矩阵运算，无需循环，可完成类似Matlab中的矢量运算 线性代数、随机数生成 import numpy SciPy 以此为基础，提供了大量在numpy数组上运行的函数，可用于不同类型的科学和工程应用程序。 图像操作 SciPy提供了一些处理图像的基本功能。
3.7K30发布于 2019-03-25 - 来自专栏科学计算
12 Julia科学计算
科学计算 科学计算必备DataFrames DataFrames基本操作 跟Python中的pandas的用法很像，相信用过Pandas的朋友上手应该无压力 DataFrame定义 新建一个DataFrame
2.6K20发布于 2020-06-30 - 来自专栏机器学习与统计学
【实验楼-Python 科学计算】为什么Python适合科学计算?
计算在科学中所扮演的角色 传统意义上科学被分为两类：经验科学与理论科学，但在过去的几十年中计算渐渐成为了科学重要的一部分。 科学计算在接近理论的同时又包含很多实验工作的特性，因此常常被看作是科学的第三分支。在大多数领域中，计算工作是对经验与理论的一个重要补充，现今大量的论文都包含了数值计算，计算机模拟和建模。 ? 科学计算的要求 可复制 与 可重现 是科学方法的两块基石。 Python 在科学计算中有着重要地位: 大量的社区用户, 易于寻求帮助与查询文档。 良好的支持 多进程多线程平行计算 进程间通信 (MPI) GPU 计算 (OpenCL 与 CUDA) 容易获取，适合高性能计算机集群。 不需要许可证费用。 科学 Python 软件栈 ?
1.8K30发布于 2019-04-10 - 来自专栏云计算D1net
云计算能够改变科学计算吗？
日前，云计算专家汤姆·威尔基提供了两个例证，科学数据集的增长推动向云计算进军，另外，这将深刻地改变科学计算。 私有云和联合云都试图解决同样的两个科学问题：如何利用学术机构有限的预算，为分析现代科学所产生的巨大的数据集提供必要的计算能力？以及如何能够有效地共享这些数据集，而不必重复这些数据集？ 这两个项目举例说明行业人士近期对高性能云计算的兴趣大增，而在《科学计算世界》的二月和三月号的专题文章中描述：“HPC终于登上云端”。 利夫卡表示，如今也将看到一个类似的模式转变的，原因是研究者重要的是“科学的时间”，而不再用时间的长度来衡量的计算时间。 利夫卡认为，这将迫使大多数用户找出一种新的方式实施科学计算，因为这些人并没有国家资助的计算资源。“这是我第一次看到管理IT驱动的发展趋势，而不是研究出来的。
2K80发布于 2018-03-26 - 来自专栏python3
科学计算库Numpy——运算
np.multiply(array1,array2) 该函数用于数组中对应位置上的数相乘。 一维向量 二维数组 np.dot(array1,array2) 两个数组都是一维向量 数组中
88220发布于 2020-01-16 - 来自专栏ml
python科学计算之numpy
以等差的形式生成一维数组: import numpy as np print np.linspace(0,4,6) 结果：[ 0. 0.8 1.6 2.4 3.2 4. ] 5.使用frompyfun进行加速科学计算 1, 1) print fx(x) 结果： [1.6 2.2 2.8000000000000003 3.4 4.0 4.6] 6. np.dot（[1,2],[2,3]）为矩阵的内积(矩阵相乘)计算
1.1K60发布于 2018-03-27 - 来自专栏全栈程序员必看
计算机科学与技术现状分析_信息科学与计算机科学的区别
使计算机科学与技术在全国综合国力竞争的作用逐渐加大。 对于这种情况，加快计算机科学与技术的发展，不但有利于人们更快捷地了解如今的发展趋势和历史，且还推动计算机科学与技术的进步，方便人们的生活。 关键词：计算机科学；发展趋势；技术；探析 随着国家经济条件的不断改变，计算机科学与技术也越来越先进，信息传播能力也越来越强，各个国家之间的沟通更加密切[1]。 2计算机科学与技术的发展现状 2.1普遍性和重要性 从古到今，科学技术始终是第一生产力，不断提高计算机科学与技术是当今社会的方向，也是人们生活中必不可少的一部分，随着计算机科学与技术70多年的发展历史， 因此，新时代的计算机科学与技术，应根据以往的经验来尽量避免这些问题的发生，加快计算机的更新效率，运行速度也逐渐顺畅，性价比更高，使计算机科学与技术性能更好，在科技发达的今天，不断地在生活中实践计算机的科学与技术
1.5K20编辑于 2022-11-01 - 来自专栏python3
科学计算库Numpy——概述
Numpy主要用于数组的各种计算。 导入Numpy import numpy as np 数组类型 Numpy的数组类型为numpy.ndarray。
63630发布于 2020-01-17 - 来自专栏乐百川的学习频道
安装Anaconda科学计算包
在这本书的最后，介绍了一些Python常用的第三方类库，像科学计算库、金融计算库、图形图像库等等。其中也介绍了Anaconda。不过其实Anaconda我之前在网上就了解了一下，不过感觉没啥用。 Anaconda是一个科学计算包，包含了一个Python二进制分发包、很多Python科学计算类库（总计超过720个开源类库）、以及一个方便的包管理器工具来下载其他类库。 其他工具 Anaconda基本上就是一个科学计算包，所以安装好了之后，就可以直接使用它附带的各种科学计算工具了。由于我自己对这方面也不甚了解，所以就不说了。 总之，如果你希望进行一些科学计算等方面的学习和研究，又不想一个一个地安装Python模块，那么就来使用一下Anaconda吧。它附带的各种工具，说不定可以满足你的需求。
2.2K100发布于 2018-01-09 - 来自专栏北京马哥教育
Python科学计算之Pandas
而Scipy（会在接下来的帖子中提及）当然是另一个主要的也十分出色的科学计算库，但是我认为前三者才是真正的Python科学计算的支柱。 所以，不需要太多精力，让我们马上开始Python科学计算系列的第三帖——Pandas。如果你还没有查看其他帖子，不要忘了去看一下哦！ 导入Pandas 我们首先要导入我们的演出明星——Pandas。
4K00发布于 2018-07-31 - 来自专栏python3
Python 科学计算基础 （整理）
随着NumPy、SciPy、matplotlib、ETS等众多程序库的开发，Python越来越适合于做科学计算。 与科学计算领域最流行的商业软件MATLAB相比，Python是一门真正的通用程序设计语言，比MATLAB所采用的脚本语言的应用范围更广泛，有更多程序库的支持，适用于Windows和Linux等多种平台， * 随着Python3逐渐成为主流，IPython, NumPy, SciPy, matplotlib, Pandas, Cython等主要的科学计算扩展库也已经开始支持Python3了。 Python用于科学计算的一些常用工具和库 ---- IPython-增强的交互环境：支持变量自动补全，自动缩进，支持 bash shell命令，内置了许多很有用的功能和函数 Spyder、Wing IDE -生物科学 Python科学计算发行版 ---- Python(x,y) 当前最新版本:2.7.6.1 (05/30/2014)，支持Windows和Python2.7.6。
2.2K10发布于 2020-01-09 - 来自专栏用户8739990的专栏
计算机科学是什么？计算机科学有哪些应用领域？
，而我国的很多大学都开设了这门学科，那么计算机科学是什么？ 计算机科学有哪些应用领域？下面小编就为大家带来详细介绍一下相关知识。 image.png 一、计算机科学是什么？ 计算机科学泛指专门研究计算机以及相关的科学，这门学科是一种对于计算机理论以及相关应用的综合研究，在全世界范围内都受到了非常高的重视，通过研究计算机科学可以快速发展相关的计算机水平，让计算机的运行以及实际使用更加人性化 二、计算机科学有哪些应用领域？ 计算机科学在各行各业都拥有非常广泛的应用，那么计算机科学有哪些应用领域呢？ 以上就是关于计算机科学是什么以及计算机科学有哪些应用领域的文章内容，如果大家对计算机科学有兴趣的话可以多去了解一下相关知识哦。
1.7K30发布于 2021-06-25 基础模型时代的科学计算
基础模型时代的科学计算为了变革科学领域，基础模型需要满足物理约束、进行不确定性量化，并采用专门的技术来克服数据稀缺性，同时保持科学的严谨性。 Chronos已广泛应用于科学领域，包括水资源、能源和交通预测。时空预测与单变量时间预测不同，时空预测需要预测包含空间和时间维度的未来点。这种预测在计算流体动力学、天气预报甚至地震余震预测中都很重要。 传统上，计算流体动力学的时空动态是通过数值方法（包括有限差分、有限体积和有限元方法）求解的。 空气动力学最近，人们研究了深度学习模型，以加速传统数值求解器计算成本高昂的领域中的模拟（高精度逼近3D时空数据需要精细网格）。 结论总之，为了使基础模型得到广泛采用，确保可靠的物理约束满足和稳健的不确定性量化对于获得领域科学家的信任至关重要。通过科学家和机器学习专家之间的跨学科合作，这些模型的增长潜力是无限的。
5310编辑于 2026-04-07- 来自专栏人人都是架构师
NumPy：Python科学计算基础包
NumPy 是 Python 科学计算的基础包，几乎所有用 Python 工作的科学家都利用了的强大功能。 而如果这个时候，需要进行大量的运算，我们不妨将list列表转换为numpy数组进行计算。 而不需要像arange取指定步长，linspace函数会自己计算出来。 首先，我们计算100万以内每个数的sin值。 所以，在深度学习，科学计算等领域，Numpy具有绝对的优势。
79831编辑于 2023-09-26 - 来自专栏python3
科学计算库Numpy——随机模块
np.random.rand() 随机生成一个[0,1)之间的浮点数。 参数表示数组的维数 np.random.randint() 生成一个随机的整数数组。 备注：生成一个5*4的二维数组，
70910发布于 2020-01-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号