NumPy 中文文档
NumPy 中文文档
基础篇
理解 NumPy
NumPy 简单入门教程
Python Numpy 教程
创建 NumPy 数组的不同方式
NumPy 中的矩阵和向量
进阶篇
NumPy 数据分析练习
NumPy 神经网络
使用 NumPy 进行数组编程
NumPy 实现k均值聚类算法
NumPy 实现DNC、RNN和LSTM神经网络算法
其他篇
OpenCV中的图像的基本操作
MinPy:MXNet后端的NumPy接口
深度学习基础教程
前言
线性回归
数字识别
图像分类
词向量
个性化推荐
情感分析
语义角色标注
机器翻译
生成对抗网络
七日入门深度学习
Day 1:初识深度学习
Day 1:如何快速入门深度学习?
Day 2:图像识别基础与实战
Day 3:目标检测基础与实践(一)
Day 3:目标检测实战-RCNN算法讲解
Day 3:目标检测实战-YOLOv3检测物体
参考手册
数组对象
目录
N维数组(ndarray)
标量
数据类型对象(dtype)
索引
迭代数组
标准数组子类
掩码数组
数组接口
日期时间和时间增量
常量
常量
通函数(ufunc)
通函数(ufunc)
常用API
目录
创建数组
数组操作
二进制操作
字符串操作
C-Types外部函数接口(numpy.ctypeslib)
时间日期相关
数据类型相关
可选的Scipy加速支持(numpy.dual)
具有自动域的数学函数(numpy.emath)
浮点错误处理
离散傅立叶变换(numpy.fft)
财金相关
实用的功能
特殊的NumPy帮助功能
索引相关
输入和输出
线性代数(numpy.linalg)
逻辑函数
操作掩码数组
数学函数
矩阵库(numpy.matlib)
杂项
填充数组
多项式
随机抽样(numpy.random)
集合操作
排序、搜索和计数
统计相关
测试支持(numpy.testing)
窗口函数
打包(numpy.distutils)
打包(numpy.distutils)
NumPy Distutils 的用户指南
NumPy Distutils 的用户指南
NumPy C-API
目录
Python类型和C结构
系统配置
数据类型API
数组API
数组迭代API
UFunc API
一般的通函数API
NumPy核心库
弃用的 C API
NumPy 内部
目录
NumPy C代码说明
内存校准
NumPy 和 SWIG
目录
numpy.i:NumPy的SWIG接口文件
测试numpy.i Typemaps
NumPy 用户指南
NumPy 介绍
NumPy 介绍
快速入门教程
快速入门教程
NumPy 基础知识
目录
数据类型
创建数组
NumPy与输入输出
索引
广播
字节交换
结构化数组
编写自定义数组容器
子类化ndarray
其他杂项
其他杂项
与 Matlab 比较
与 Matlab 比较
从源代码构建
从源代码构建
使用NumPy的C-API
目录
如何扩展NumPy
使用Python作为胶水
编写自己的ufunc
深入的知识
NumPy 中文文档
Docs
»
填充数组(`Padding Arrays`)
填充数组(
Padding Arrays
)
method
description
pad
(array, pad_width[, mode])
填充一个数组。