2.2.3.6 高级构造方法
(1) np.loadtxt data = np.loadtxt('data.txt') # 读取文本文件 (2) np.genfromtxt data = np.genfromtxt('data.csv', delimiter=',') # 支持复杂格式 2.2.3.7 创建方法推荐场景 场景推荐方法优...
2.2.3.5 随机数组
(1) 均匀分布随机数 (np.random.rand) 返回给定形状的数组,用 [0, 1) 上均匀分布的随机样本填充。 rand_arr = np.random.rand(2, 2) # [0,1) 均匀分布 # 输出示例: [[0....
2.2.3.3 基于数值范围生成
(1) np.arange:等差序列 np.arange(start, stop, step) 返回在给定范围内用均匀间隔的值填充的一维数组 arr = np.arange(0, 10, 2) # 0 ≤ 值 <10,步长2 print(arr) # 输出: [0 2 4 6 ...
2.2.3 ndarray的创建
用途方法语法示例核心作用输出示例基础构造 ▪ 从 Python 数据结构创建np.array()np.array([[1, 2], [3, 4]])将列表/元组转换为 ndarrayarray([[1, 2], [3, 4...
2. Numpy科学计算
2.1 numpy介绍 numpy是Python中科学计算的基础包。它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操...
第 14 章 协程
1. 什么是协程 概念:协程(Coroutine),是一种线程内部的任务调度机制,它通过事件循环,在用户态中实现任务的挂起与恢复执行,从而在遇到 IO 操作时,不让 CPU 等待,而是继续执行其它需要 C...
16. 多进程 vs 多线程,该如何选择?
CPU密集型任务,更适合用多进程。 import time from concurrent.futures import ProcessPoolExecutor, ThreadPoolExecutor # 准备一个 CPU 密集型任务 def cpu_task(n): print(f'任务{n}开始了'...
15. GIL 全局解释器锁
概念: GIL锁是 CPython 解释器中的一把互斥锁。 作用:无论 CPU 有多少个核心,在某一时刻,只允许同一个进程中的一个线程去执行 Python 代码。 结论:CPython 解释器中的多线程模型,本...
12. 使用 Thread 创建线程
首先我们要明确一个概念:任何一个正在运行的 Python 程序,至少都有一个线程! 1️⃣回顾一下我们之前的代码: if __name__ == '__main__': print('主进程中的代码') 对于上述代码来说:print(...
9. 使用 Pipe 实现进程通信
Pipe 就像一根“水管”,一头负责发送,另一头负责接收。 1️⃣ 创建管道 # Pipe() 会返回两个连接对象,它们分别代表管道的两端。 # duplex用于控制管道为单向还是双向,True表示双向,F...










