From c08bdede4574407a3a23d5546868ee1978405072 Mon Sep 17 00:00:00 2001 From: xxw Date: Sat, 8 Aug 2020 16:03:48 +0800 Subject: [PATCH] Update quickstart.md Fixed some terms and sentences --- docs/user/quickstart.md | 23 ++++++++++------------- 1 file changed, 10 insertions(+), 13 deletions(-) diff --git a/docs/user/quickstart.md b/docs/user/quickstart.md index 4e110bf..65448c2 100644 --- a/docs/user/quickstart.md +++ b/docs/user/quickstart.md @@ -25,10 +25,9 @@ NumPy的主要对象是同构多维数组。它是一个元素表（通常是数 [ 0., 1., 2.]] ``` -NumPy的数组类被调用``ndarray``。它也被别名所知 - ``array``。请注意，``numpy.array``这与标准Python库类不同``array.array``，后者只处理一维数组并提供较少的功能。``ndarray``对象更重要的属性是： +NumPy的数组类被称为``ndarray``。它的别名是 ``array``。请注意，``numpy.array``与标准Python库类``array.array``不同，后者只处理一维数组并提供较少的功能。``ndarray``对象更重要的属性是： -- **ndarray.ndim** - 数组的轴（维度）的个数。在Python世界中，维度的数量被称为rank。 +- **ndarray.ndim** - 数组的轴（维度）的个数。在Python世界中，维度的数量被称为*秩*(rank)。 - **ndarray.shape** - 数组的维度。这是一个整数的元组，表示每个维度中数组的大小。对于有 *n* 行和 *m* 列的矩阵，``shape`` 将是 ``(n,m)``。因此，``shape`` 元组的长度就是rank或维度的个数 ``ndim``。 - **ndarray.size** - 数组元素的总数。这等于 ``shape`` 的元素的乘积。 - **ndarray.dtype** - 一个描述数组中元素类型的对象。可以使用标准的Python类型创建或指定dtype。另外NumPy提供它自己的类型。例如numpy.int32、numpy.int16和numpy.float64。 @@ -63,9 +62,9 @@ array([6, 7, 8]) ``` -### 数组创建 +### 创建数组 -有几种方法可以创建数组。 +有多种方法可以创建数组。 例如，你可以使用array函数从常规Python列表或元组中创建数组。得到的数组的类型是从Python列表中元素的类型推导出来的。 @@ -106,11 +105,9 @@ array([[ 1.+0.j, 2.+0.j], [ 3.+0.j, 4.+0.j]]) ``` -通常，数组的元素最初是未知的，但它的大小是已知的。因此，NumPy提供了几个函数来创建具有初始占位符内容的数组。这就减少了数组增长的必要，因为数组增长的操作花费很大。 +通常，数组的元素最初是未知的，但它的大小是已知的。因此，NumPy提供了几个函数来创建具有初始占位符内容的数组。这就减少了不必要的数组增长，因为数组增长的成本很高。 -函数``zeros``创建一个由0组成的数组，函数 ``ones``创建一个完整的数组，函数``empty`` -创建一个数组，其初始内容是随机的，取决于内存的状态。默认情况下，创建的数组的dtype是 - ``float64`` 类型的。 +函数``zeros``创建一个由全都是0组成的数组，函数 ``ones``创建一个全都是1的数组，函数``empty``创建一个数组，其初始内容是随机的，取决于创建时内存的状态。默认情况下，创建的数组的dtype是 ``float64`` 类型的。 ``` python >>> np.zeros( (3,4) ) @@ -138,7 +135,7 @@ array([10, 15, 20, 25]) array([ 0. , 0.3, 0.6, 0.9, 1.2, 1.5, 1.8]) ``` -当``arange``与浮点参数一起使用时，由于有限的浮点精度，通常不可能预测所获得的元素的数量。出于这个原因，通常最好使用``linspace``函数来接收我们想要的元素数量的函数，而不是步长（step）： +当``arange``与浮点参数一起使用时，由于有限的浮点精度，通常不可能预测所获得的元素的数量。出于这个原因，通常最好使用``linspace``函数，该函数的一个参数是我们想要的元素数量，而不是步长（step）： ``` python >>> from numpy import pi @@ -168,7 +165,7 @@ array([ 0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ]) ### 打印数组 -当您打印数组时，NumPy以与嵌套列表类似的方式显示它，但具有以下布局： +当您打印数组时，NumPy以类似嵌套列表的方式显示它，但具有以下布局： - 最后一个轴从左到右打印， - 倒数第二个从上到下打印， @@ -456,7 +453,7 @@ array([[10, 11, 12, 13], [20, 21, 22, 23]]) ``` -当提供的索引少于轴的数量时，缺失的索引被认为是完整的切片``:`` +当提供的索引数量少于轴的数量时，缺失的索引被认为是完整的切片``:`` ``` python >>> b[-1] # the last row. Equivalent to b[-1,:] @@ -465,7 +462,7 @@ array([40, 41, 42, 43]) ``b[i]`` 方括号中的表达式 ``i`` 被视为后面紧跟着 ``:`` 的多个实例，用于表示剩余轴。NumPy也允许你使用三个点写为 ``b[i,...]``。 -三个点（ ``...`` ）表示产生完整索引元组所需的冒号。例如，如果 ``x`` 是rank为的5数组（即，它具有5个轴），则： +三个点（ ``...`` ）表示产生完整索引元组所需的冒号。例如，如果 ``x`` 是rank为5的数组（即，它具有5个轴），则： - ``x[1,2,...]`` 相当于 ``x[1,2,:,:,:]``， - ``x[...,3]`` 等效于 ``x[:,:,:,:,3]``