完美之失：警惕瀑布式思想，不要忽视迭代的力量
结论先行1、最好是更好的敌人（The perfect is the enemy of the good）！2、怕什么真理
行前且三思：思考的黄金圈
结论先行1、草率与效率，似乎是异卵双生，所以，效率有时成为草率的借口，草率又不可避免成为效率的前提。表面看，是长期策略与
所有观点皆是偏见：偏见只是因为看不见
结论千字长文，结论先行：1、无论看起来多么公正的观点，其实都是一种偏见。2、偏见的根源在于看不见，有四种看不见，分别是：
「Python数据科学」NumPy多维数组的保存与加载
引言在该系列的文章中，已经花了很大的篇幅进行NumPy中多维数组内容的介绍，我们可以有多种方式创建多维数组以及对数组进行
「Python数据科学」利用NumPy通用函数ufunc进行面向数组编程
引言NumPy中的多维数组ndarray，使得我们可以将许多数据处理任务，表述为更加简洁的数组表达式，而无需编写Pyth
「Python数据科学」一文掌握NumPy实现数组排序相关的多种方法
引言对数据进行查找和排序是计算机科学中最常用的基础操作，而为了实现高效的查找，最常用的手段是将数据进行排序，从而实现在有
「Python数据科学」一文搞定NumPy中常用的数组拼接与切分方法
引言在进行数据处理时，有时数据会有不同的来源，我们需要进行数据的拼接操作。NumPy中提供了多种进行数组拼接的方法，可以
「Python数据科学」标量、向量、矩阵、张量与多维数组的辨析
引言在数据科学中，有很多概念，其中，最容易搞混的就是标量、向量、矩阵、张量了。具体到这些概念的落地实现，又与多维数组有着
「Python数据科学」一文搞懂NumPy中的广播机制
引言NumPy中的广播机制是一种非常强大的功能，可以允许不同形状的数组进行运算。广播机制使得数组的运算更加灵活、简洁，避
「Python数据科学」ndarray的统计运算与“轴”的使用
引言在应用NumPy的各种场景中，除了之前提到的使用逻辑运算进行数据的筛选之外，最常见的就是进行数据的统计分析了。本文就
「Python数据科学」ndarray的逻辑运算与更灵活的数据筛选
引言ndarray的向量化的特性，对逻辑运算也是适用的。但是，关于多维数组的逻辑运算不至于得到一个布尔数组的结果，还可以
「Python数据科学」NumPy数组的3种运算类型
引言数组本质上是一种数据结构，数据结构除了首先满足数据的合理组织和存储外，最重要的一点是，不同的数据结构会有各自支持的运
「Python数据科学」多维数组ndarray对象重塑的常用方法
引言前面的文章中，我们已经将ndarray的内部机理、0拷贝的视图机制、数组数据的存储顺序等，进行了简单介绍。也通过ne
「Python数据科学」ndarray对象的内部机理与数据存储顺序
引言前面的内容中简单介绍了多维数组ndarry的创建、基本属性以及索引、切片的常用操作。但是，要真正更好地理解各项操作的
「Python数据科学」NumPy切片与newaxis的结合，实现更灵活的操作
引言NumPy中多维数组的切片，除了支持常规的切片方式外，还可以通过整数数组切片、布尔数组切片，以及多种方式的灵活组合。
「Python数据科学」NumPy多维数组的索引与切片
引言如同基于Python原生列表实现的数组一样，NumPy中的多维数组同样支持类似的索引与切片的操作方式。此外，NumP
「Python数据科学」多维数组长啥样？ndarray的核心属性来帮忙
引言当我们读取数据创建了一个NumPy的多维数组时，很多时候，我们并不能直观了解这个多维数组对象的内部存储结构。为了能够
「Python数据科学」一文掌握NumPy创建ndarray的常用方法
引言多维数组ndarray是NumPy库的核心数据结构，在真正对一个ndarray进行各种操作之前，我们首先需要能够创建
「Python数据科学」对比Python的对象内存结构，分析NumPy的高性能
引言Python中的列表类型很是灵活，可以存储不同类型的元素，这种灵活性来自于Python动态类型的特性，以及“一切皆对
「Python数据科学」为什么说NumPy是必学的核心基础库
引言如果要使用Python进行数据科学的相关开发与探索工作，可以有几个不同的方向，比如数据分析、数据挖掘、机器学习、深度
