Spec-Zone.ru › NumPy 1.18

Содержание руководства NumPy

  • Руководство пользователя NumPy
    • Настройка
      • Что такое NumPy?
        • Почему NumPy быстрый?
        • Кто еще использует NumPy?
      • Установка NumPy
      • Устранение неполадок ImportError
        • ImportError
          • Использование Python из conda (Anaconda)
          • Использование Anaconda/conda Python в PyCharm
          • Raspberry Pi
          • Отладка сборки на Windows
          • Все конфигурации
          • Настройка разработки
          • Проверка переменных среды
    • Быстрый старт
      • Предварительные условия
      • Основы
        • Пример
        • Создание массивов
        • Вывод массивов
        • Базовые операции
        • Универсальные функции
        • Индексирование, срезы и итерация
      • Изменение формы
        • Изменение формы массива
        • Объединение различных массивов
        • Разделение одного массива на несколько меньших
      • Копии и представления
        • Никакой копии
        • Представление или поверхностная копия
        • Глубокая копия
        • Обзор функций и методов
      • Более сложные примеры
        • Правила широковещательной рассылки
      • Расширенное индексирование и хитрости
        • Индексирование с массивами индексов
        • Индексирование с булевыми массивами
        • Функция ix_()
        • Индексирование со строками
      • Линейная алгебра
        • Простые операции с массивами
      • Советы и хитрости
        • “Автоматическое” изменение формы
        • Укладка векторов
        • Гистограммы
      • Дополнительные материалы
    • Основы NumPy
      • Типы данных
        • Типы массивов и преобразования между типами
        • Массивы скаляров
        • Ошибки переполнения
        • Расширенная точность
      • Создание массивов
        • Введение
        • Преобразование объектов Python, похожих на массивы, в массивы NumPy
        • Встроенное создание массивов NumPy
        • Чтение массивов из файла
          • Стандартные двоичные форматы
          • Общие текстовые форматы
          • Пользовательские двоичные форматы
          • Использование специальных библиотек
      • Ввод/вывод с NumPy
        • Импорт данных с помощью genfromtxt
          • Определение входных данных
          • Разделение строк на столбцы
            • Аргумент delimiter
            • Аргумент autostrip
            • Аргумент comments
          • Пропуск строк и выбор столбцов
            • Аргументы skip_header и skip_footer
            • Аргумент usecols
          • Выбор типа данных
          • Установка имён
            • Аргумент names
            • Аргумент defaultfmt
            • Проверка имён
          • Настройка преобразования
            • Аргумент converters
            • Использование отсутствующих и заполнение значений
            • missing_values
            • filling_values
            • usemask
          • Сокращенные функции
      • Индексирование
        • Присваивание против ссылок
        • Индексирование одного элемента
        • Другие варианты индексирования
        • Массивы индексов
        • Индексирование многомерных массивов
        • Булевы или «масочные» массивы индексов
        • Сочетание массивов индексов со срезами
        • Инструменты структурного индексирования
        • Присваивание значений индексированным массивам
        • Работа с переменным количеством индексов в программах
      • Вещание
        • Общие правила вещания
      • Перестановка байтов
        • Введение в порядок байтов и nd-массивы
        • Изменение порядка байтов
          • Данные и порядок байтов dtype не совпадают, измените dtype для соответствия данным
          • Данные и порядок байтов типа не совпадают, измените данные для соответствия типу
          • Данные и порядок байтов dtype совпадают, поменяйте данные и dtype
      • Структурированные массивы
        • Введение
        • Структурированные типы данных
          • Создание структурированных типов данных
          • Работа со структурированными типами данных и их отображение
          • Автоматические смещения байтов и выравнивание
          • Заголовки полей
          • Типы объединений
        • Индексирование и присваивание структурированным массивам
          • Присваивание данных структурированному массиву
            • Присваивание из типов Python (кортежи)
            • Присваивание из скаляров
            • Присваивание из других структурированных массивов
            • Присваивание, включающее подмассивы
          • Индексирование структурированных массивов
            • Доступ к отдельным полям
            • Доступ к нескольким полям
            • Индексирование целым числом для получения структурированного скаляра
          • Просмотр структурированных массивов, содержащих объекты
          • Сравнение структуры
        • Массивы записей
        • Вспомогательные функции для recarray
      • Написание пользовательских контейнеров для массивов
      • Наследование ndarray
        • Введение
          • ndarray и создание объектов
        • Преобразование представлений
        • Создание нового из шаблона
        • Связь преобразования представлений и создания нового из шаблона
        • Последствия наследования
          • Краткое руководство по Python по __new__ и __init__
          • Роль __array_finalize__
        • Простой пример — добавление дополнительного атрибута к ndarray
        • Более реалистичный пример — добавление атрибута к существующему массиву
        • __array_ufunc__ для ufunc
        • __array_wrap__ для ufunc и других функций
        • Дополнительные особенности — настраиваемые методы __del__ и ndarray.base
        • Наследование и совместимость с последующими версиями
    • Разное
      • Специальные значения с плавающей точкой IEEE 754
      • Как NumPy обрабатывает числовые исключения
      • Примеры
      • Взаимодействие с C
      • Взаимодействие с Fortran:
      • Взаимодействие с C++:
    • NumPy для пользователей MATLAB
      • Введение
      • Некоторые ключевые различия
      • «Массив» или «Матрица»? Какой использовать?
        • Краткий ответ
        • Подробный ответ
      • Таблица приблизительных эквивалентов MATLAB-NumPy
        • Эквиваленты общего назначения
        • Эквиваленты линейной алгебры
      • Примечания
      • Настройка вашей среды
      • Ссылки
    • Сборка из исходного кода
      • Предварительные требования
      • Основная установка
      • Тестирование
        • Параллельная сборка
        • Выбор компилятора Fortran
        • Как проверить ABI библиотек BLAS/LAPACK
      • Ускоренные библиотеки BLAS/LAPACK
        • BLAS
        • LAPACK
        • Отключение ATLAS и других ускоренных библиотек
        • 64-битные BLAS и LAPACK
      • Предоставление дополнительных флагов компилятора
    • Использование NumPy C-API
      • Как расширить NumPy
        • Написание модуля расширения
        • Необходимая подпрограмма
        • Определение функций
          • Функции без именованных аргументов
          • Функции с именованными аргументами
          • Счётчик ссылок
        • Работа с объектами массивов
          • Преобразование произвольного объекта последовательности
          • Создание нового ndarray
          • Доступ к памяти ndarray и элементам ndarray
        • Пример
      • Использование Python в качестве связующего звена
        • Вызов других скомпилированных библиотек из Python
        • Ручные оболочки
        • f2py
          • Создание исходного кода для базового модуля расширения
          • Создание скомпилированного модуля расширения
          • Улучшение базового интерфейса
          • Вставка директив в исходный код Fortran
          • Пример фильтрации
          • Вызов f2py из Python
          • Автоматическое создание модулей расширения
          • Заключение
        • Cython
          • Комплексное сложение в Cython
          • Фильтр изображений в Cython
          • Заключение
        • ctypes
          • Использование общей библиотеки
          • Загрузка общей библиотеки
          • Преобразование аргументов
          • Вызов функции
          • Полный пример
          • Заключение
        • Дополнительные инструменты, которые могут быть полезны
          • SWIG
          • SIP
          • Boost Python
          • PyFort
      • Создание собственной ufunc
        • Создание новой универсальной функции
        • Пример расширения не являющегося ufunc
        • Пример NumPy ufunc для одного типа данных
        • Пример NumPy ufunc с несколькими типами данных
        • Пример NumPy ufunc с несколькими аргументами/значениями возврата
        • Пример NumPy ufunc с аргументами массива со структурированным типом данных
      • За пределами основ
        • Итерация по элементам массива
          • Базовая итерация
          • Итерация по всем осям, кроме одной
          • Итерация по нескольким массивам
          • Расширение действия по нескольким массивам
        • Пользовательские типы данных
          • Добавление нового типа данных
          • Регистрация функции преобразования
          • Регистрация правил приведения типов
          • Регистрация цикла ufunc
        • Подтипирование ndarray в C
          • Создание подтипов
          • Особенности подтипирования ndarray
            • Метод __array_finalize__
            • Атрибут __array_priority__
            • Метод __array_wrap__
  • Справочник NumPy
    • Объекты массивов
      • Многомерный массив (ndarray)
        • Создание массивов
          • numpy.ndarray
            • numpy.ndarray.all
            • numpy.ndarray.any
            • numpy.ndarray.argmax
            • numpy.ndarray.argmin
            • numpy.ndarray.argpartition
            • numpy.ndarray.argsort
            • numpy.ndarray.astype
            • numpy.ndarray.byteswap
            • numpy.ndarray.choose
            • numpy.ndarray.clip
            • numpy.ndarray.compress
            • numpy.ndarray.conj
            • numpy.ndarray.conjugate
            • numpy.ndarray.copy
            • numpy.ndarray.cumprod
            • numpy.ndarray.cumsum
            • numpy.ndarray.diagonal
            • numpy.ndarray.dot
            • numpy.ndarray.dump
            • numpy.ndarray.dumps
            • numpy.ndarray.fill
            • numpy.ndarray.flatten
            • numpy.ndarray.getfield
            • numpy.ndarray.item
            • numpy.ndarray.itemset
            • numpy.ndarray.max
            • numpy.ndarray.mean
            • numpy.ndarray.min
            • numpy.ndarray.newbyteorder
            • numpy.ndarray.nonzero
            • numpy.ndarray.partition
            • numpy.ndarray.prod
            • numpy.ndarray.ptp
            • numpy.ndarray.put
            • numpy.ndarray.ravel
            • numpy.ndarray.repeat
            • numpy.ndarray.reshape
            • numpy.ndarray.resize
            • numpy.ndarray.round
            • numpy.ndarray.searchsorted
            • numpy.ndarray.setfield
            • numpy.ndarray.setflags
            • numpy.ndarray.sort
            • numpy.ndarray.squeeze
            • numpy.ndarray.std
            • numpy.ndarray.sum
            • numpy.ndarray.swapaxes
            • numpy.ndarray.take
            • numpy.ndarray.tobytes
            • numpy.ndarray.tofile
            • numpy.ndarray.tolist
            • numpy.ndarray.tostring
            • numpy.ndarray.trace
            • numpy.ndarray.transpose
            • numpy.ndarray.var
            • numpy.ndarray.view
        • Индексирование массивов
        • Внутренняя структура памяти ndarray
        • Атрибуты массива
          • Структура памяти
            • numpy.ndarray.flags
            • numpy.ndarray.shape
            • numpy.ndarray.strides
            • numpy.ndarray.ndim
            • numpy.ndarray.data
            • numpy.ndarray.size
            • numpy.ndarray.itemsize
            • numpy.ndarray.nbytes
            • numpy.ndarray.base
          • Тип данных
            • numpy.ndarray.dtype
          • Другие атрибуты
            • numpy.ndarray.T
            • numpy.ndarray.real
            • numpy.ndarray.imag
            • numpy.ndarray.flat
            • numpy.ndarray.ctypes
          • Интерфейс массива
          • ctypes интерфейс внешних функций
            • numpy.ndarray.ctypes
        • Методы массива
          • Преобразование массива
            • numpy.ndarray.item
            • numpy.ndarray.tolist
            • numpy.ndarray.itemset
            • numpy.ndarray.tostring
            • numpy.ndarray.tobytes
            • numpy.ndarray.tofile
            • numpy.ndarray.dump
            • numpy.ndarray.dumps
            • numpy.ndarray.astype
            • numpy.ndarray.byteswap
            • numpy.ndarray.copy
            • numpy.ndarray.view
            • numpy.ndarray.getfield
            • numpy.ndarray.setflags
            • numpy.ndarray.fill
          • Изменение формы
            • numpy.ndarray.reshape
            • numpy.ndarray.resize
            • numpy.ndarray.transpose
            • numpy.ndarray.swapaxes
            • numpy.ndarray.flatten
            • numpy.ndarray.ravel
            • numpy.ndarray.squeeze
          • Выбор и обработка элементов
            • numpy.ndarray.take
            • numpy.ndarray.put
            • numpy.ndarray.repeat
            • numpy.ndarray.choose
            • numpy.ndarray.sort
            • numpy.ndarray.argsort
            • numpy.ndarray.partition
            • numpy.ndarray.argpartition
            • numpy.ndarray.searchsorted
            • numpy.ndarray.nonzero
            • numpy.ndarray.compress
            • numpy.ndarray.diagonal
          • Вычисления
            • numpy.ndarray.max
            • numpy.ndarray.argmax
            • numpy.ndarray.min
            • numpy.ndarray.argmin
            • numpy.ndarray.ptp
            • numpy.ndarray.clip
            • numpy.ndarray.conj
            • numpy.ndarray.round
            • numpy.ndarray.trace
            • numpy.ndarray.sum
            • numpy.ndarray.cumsum
            • numpy.ndarray.mean
            • numpy.ndarray.var
            • numpy.ndarray.std
            • numpy.ndarray.prod
            • numpy.ndarray.cumprod
            • numpy.ndarray.all
            • numpy.ndarray.any
        • Арифметические, матричные умножения и операции сравнения
          • numpy.ndarray.__lt__
          • numpy.ndarray.__le__
          • numpy.ndarray.__gt__
          • numpy.ndarray.__ge__
          • numpy.ndarray.__eq__
          • numpy.ndarray.__ne__
          • numpy.ndarray.__bool__
          • numpy.ndarray.__neg__
          • numpy.ndarray.__pos__
          • numpy.ndarray.__abs__
          • numpy.ndarray.__invert__
          • numpy.ndarray.__add__
          • numpy.ndarray.__sub__
          • numpy.ndarray.__mul__
          • numpy.ndarray.__truediv__
          • numpy.ndarray.__floordiv__
          • numpy.ndarray.__mod__
          • numpy.ndarray.__divmod__
          • numpy.ndarray.__pow__
          • numpy.ndarray.__lshift__
          • numpy.ndarray.__rshift__
          • numpy.ndarray.__and__
          • numpy.ndarray.__or__
          • numpy.ndarray.__xor__
          • numpy.ndarray.__iadd__
          • numpy.ndarray.__isub__
          • numpy.ndarray.__imul__
          • numpy.ndarray.__itruediv__
          • numpy.ndarray.__ifloordiv__
          • numpy.ndarray.__imod__
          • numpy.ndarray.__ipow__
          • numpy.ndarray.__ilshift__
          • numpy.ndarray.__irshift__
          • numpy.ndarray.__iand__
          • numpy.ndarray.__ior__
          • numpy.ndarray.__ixor__
          • numpy.ndarray.__matmul__
        • Специальные методы
          • numpy.ndarray.__copy__
          • numpy.ndarray.__deepcopy__
          • numpy.ndarray.__reduce__
          • numpy.ndarray.__setstate__
          • numpy.ndarray.__new__
          • numpy.ndarray.__array__
          • numpy.ndarray.__array_wrap__
          • numpy.ndarray.__len__
          • numpy.ndarray.__getitem__
          • numpy.ndarray.__setitem__
          • numpy.ndarray.__contains__
          • numpy.ndarray.__int__
          • numpy.ndarray.__float__
          • numpy.ndarray.__complex__
          • numpy.ndarray.__str__
          • numpy.ndarray.__repr__
      • Скаляры
        • Встроенные типы скаляров
        • Атрибуты
          • numpy.generic.flags
          • numpy.generic.shape
          • numpy.generic.strides
          • numpy.generic.ndim
          • numpy.generic.data
          • numpy.generic.size
          • numpy.generic.itemsize
          • numpy.generic.base
          • numpy.generic.dtype
          • numpy.generic.real
          • numpy.generic.imag
          • numpy.generic.flat
          • numpy.generic.T
          • numpy.generic.__array_interface__
          • numpy.generic.__array_struct__
          • numpy.generic.__array_priority__
          • numpy.generic.__array_wrap__
        • Индексирование
        • Методы
          • numpy.generic
            • numpy.generic.all
            • numpy.generic.any
            • numpy.generic.argmax
            • numpy.generic.argmin
            • numpy.generic.argsort
            • numpy.generic.astype
            • numpy.generic.byteswap
            • numpy.generic.choose
            • numpy.generic.clip
            • numpy.generic.compress
            • numpy.generic.conjugate
            • numpy.generic.copy
            • numpy.generic.cumprod
            • numpy.generic.cumsum
            • numpy.generic.diagonal
            • numpy.generic.dump
            • numpy.generic.dumps
            • numpy.generic.fill
            • numpy.generic.flatten
            • numpy.generic.getfield
            • numpy.generic.item
            • numpy.generic.itemset
            • numpy.generic.max
            • numpy.generic.mean
            • numpy.generic.min
            • numpy.generic.newbyteorder
            • numpy.generic.nonzero
            • numpy.generic.prod
            • numpy.generic.ptp
            • numpy.generic.put
            • numpy.generic.ravel
            • numpy.generic.repeat
            • numpy.generic.reshape
            • numpy.generic.resize
            • numpy.generic.round
            • numpy.generic.searchsorted
            • numpy.generic.setfield
            • numpy.generic.setflags
            • numpy.generic.sort
            • numpy.generic.squeeze
            • numpy.generic.std
            • numpy.generic.sum
            • numpy.generic.swapaxes
            • numpy.generic.take
            • numpy.generic.tofile
            • numpy.generic.tolist
            • numpy.generic.tostring
            • numpy.generic.trace
            • numpy.generic.transpose
            • numpy.generic.var
            • numpy.generic.view
          • numpy.generic.__array__
          • numpy.generic.__array_wrap__
          • numpy.generic.squeeze
          • numpy.generic.byteswap
          • numpy.generic.__reduce__
          • numpy.generic.__setstate__
          • numpy.generic.setflags
        • Определение новых типов
      • Объекты типов данных (dtype)
        • Указание и построение типов данных
          • numpy.dtype
            • numpy.dtype.newbyteorder
        • dtype
          • Атрибуты
            • numpy.dtype.type
            • numpy.dtype.kind
            • numpy.dtype.char
            • numpy.dtype.num
            • numpy.dtype.str
            • numpy.dtype.name
            • numpy.dtype.itemsize
            • numpy.dtype.byteorder
            • numpy.dtype.fields
            • numpy.dtype.names
            • numpy.dtype.subdtype
            • numpy.dtype.shape
            • numpy.dtype.hasobject
            • numpy.dtype.flags
            • numpy.dtype.isbuiltin
            • numpy.dtype.isnative
            • numpy.dtype.descr
            • numpy.dtype.alignment
            • numpy.dtype.base
          • Методы
            • numpy.dtype.newbyteorder
            • numpy.dtype.__reduce__
            • numpy.dtype.__setstate__
      • Индексирование
        • Базовое срезы и индексирование
        • Расширенное индексирование
          • Индексирование целочисленным массивом
            • Чисто целочисленное индексирование массивом
            • Комбинирование расширенного и базового индексирования
          • Индексирование булевым массивом
        • Подробные заметки
        • Доступ к полям
        • Индексирование плоского итератора
      • Итерация по массивам
        • Итерация по одному массиву
          • Управление порядком итерации
          • Изменение значений массива
          • Использование внешнего цикла
          • Отслеживание индекса или многоиндекса
          • Альтернативная итерация и доступ к элементам
          • Буферизация элементов массива
          • Итерация как определенного типа данных
        • Итерация массива с широковещательной рассылкой
          • Выделенные массивы вывода итератором
          • Итерация внешнего произведения
          • Итерация сокращения
        • Размещение внутреннего цикла в Cython
      • Стандартные подклассы массивов
        • Специальные атрибуты и методы
        • Объекты матриц
          • numpy.matrix.T
          • numpy.matrix.H
          • numpy.matrix.I
          • numpy.matrix.A
          • numpy.matrix
            • numpy.matrix.all
            • numpy.matrix.any
            • numpy.matrix.argmax
            • numpy.matrix.argmin
            • numpy.matrix.argpartition
            • numpy.matrix.argsort
            • numpy.matrix.astype
            • numpy.matrix.byteswap
            • numpy.matrix.choose
            • numpy.matrix.clip
            • numpy.matrix.compress
            • numpy.matrix.conj
            • numpy.matrix.conjugate
            • numpy.matrix.copy
            • numpy.matrix.cumprod
            • numpy.matrix.cumsum
            • numpy.matrix.diagonal
            • numpy.matrix.dot
            • numpy.matrix.dump
            • numpy.matrix.dumps
            • numpy.matrix.fill
            • numpy.matrix.flatten
            • numpy.matrix.getA
            • numpy.matrix.getA1
            • numpy.matrix.getH
            • numpy.matrix.getI
            • numpy.matrix.getT
            • numpy.matrix.getfield
            • numpy.matrix.item
            • numpy.matrix.itemset
            • numpy.matrix.max
            • numpy.matrix.mean
            • numpy.matrix.min
            • numpy.matrix.newbyteorder
            • numpy.matrix.nonzero
            • numpy.matrix.partition
            • numpy.matrix.prod
            • numpy.matrix.ptp
            • numpy.matrix.put
            • numpy.matrix.ravel
            • numpy.matrix.repeat
            • numpy.matrix.reshape
            • numpy.matrix.resize
            • numpy.matrix.round
            • numpy.matrix.searchsorted
            • numpy.matrix.setfield
            • numpy.matrix.setflags
            • numpy.matrix.sort
            • numpy.matrix.squeeze
            • numpy.matrix.std
            • numpy.matrix.sum
            • numpy.matrix.swapaxes
            • numpy.matrix.take
            • numpy.matrix.tobytes
            • numpy.matrix.tofile
            • numpy.matrix.tolist
            • numpy.matrix.tostring
            • numpy.matrix.trace
            • numpy.matrix.transpose
            • numpy.matrix.var
            • numpy.matrix.view
          • numpy.asmatrix
          • numpy.bmat
        • Массивы с отображением памяти файла
          • numpy.memmap
            • numpy.memmap.flush
          • numpy.memmap.flush
        • Символьные массивы (numpy.char)
          • numpy.chararray
            • numpy.chararray.astype
            • numpy.chararray.argsort
            • numpy.chararray.copy
            • numpy.chararray.count
            • numpy.chararray.decode
            • numpy.chararray.dump
            • numpy.chararray.dumps
            • numpy.chararray.encode
            • numpy.chararray.endswith
            • numpy.chararray.expandtabs
            • numpy.chararray.fill
            • numpy.chararray.find
            • numpy.chararray.flatten
            • numpy.chararray.getfield
            • numpy.chararray.index
            • numpy.chararray.isalnum
            • numpy.chararray.isalpha
            • numpy.chararray.isdecimal
            • numpy.chararray.isdigit
            • numpy.chararray.islower
            • numpy.chararray.isnumeric
            • numpy.chararray.isspace
            • numpy.chararray.istitle
            • numpy.chararray.isupper
            • numpy.chararray.item
            • numpy.chararray.join
            • numpy.chararray.ljust
            • numpy.chararray.lower
            • numpy.chararray.lstrip
            • numpy.chararray.nonzero
            • numpy.chararray.put
            • numpy.chararray.ravel
            • numpy.chararray.repeat
            • numpy.chararray.replace
            • numpy.chararray.reshape
            • numpy.chararray.resize
            • numpy.chararray.rfind
            • numpy.chararray.rindex
            • numpy.chararray.rjust
            • numpy.chararray.rsplit
            • numpy.chararray.rstrip
            • numpy.chararray.searchsorted
            • numpy.chararray.setfield
            • numpy.chararray.setflags
            • numpy.chararray.sort
            • numpy.chararray.split
            • numpy.chararray.splitlines
            • numpy.chararray.squeeze
            • numpy.chararray.startswith
            • numpy.chararray.strip
            • numpy.chararray.swapaxes
            • numpy.chararray.swapcase
            • numpy.chararray.take
            • numpy.chararray.title
            • numpy.chararray.tofile
            • numpy.chararray.tolist
            • numpy.chararray.tostring
            • numpy.chararray.translate
            • numpy.chararray.transpose
            • numpy.chararray.upper
            • numpy.chararray.view
            • numpy.chararray.zfill
          • numpy.core.defchararray.array
        • Массивы записей (numpy.rec)
          • numpy.recarray
            • numpy.recarray.all
            • numpy.recarray.any
            • numpy.recarray.argmax
            • numpy.recarray.argmin
            • numpy.recarray.argpartition
            • numpy.recarray.argsort
            • numpy.recarray.astype
            • numpy.recarray.byteswap
            • numpy.recarray.choose
            • numpy.recarray.clip
            • numpy.recarray.compress
            • numpy.recarray.conj
            • numpy.recarray.conjugate
            • numpy.recarray.copy
            • numpy.recarray.cumprod
            • numpy.recarray.cumsum
            • numpy.recarray.diagonal
            • numpy.recarray.dot
            • numpy.recarray.dump
            • numpy.recarray.dumps
            • numpy.recarray.fill
            • numpy.recarray.flatten
            • numpy.recarray.getfield
            • numpy.recarray.item
            • numpy.recarray.itemset
            • numpy.recarray.max
            • numpy.recarray.mean
            • numpy.recarray.min
            • numpy.recarray.newbyteorder
            • numpy.recarray.nonzero
            • numpy.recarray.partition
            • numpy.recarray.prod
            • numpy.recarray.ptp
            • numpy.recarray.put
            • numpy.recarray.ravel
            • numpy.recarray.repeat
            • numpy.recarray.reshape
            • numpy.recarray.resize
            • numpy.recarray.round
            • numpy.recarray.searchsorted
            • numpy.recarray.setfield
            • numpy.recarray.setflags
            • numpy.recarray.sort
            • numpy.recarray.squeeze
            • numpy.recarray.std
            • numpy.recarray.sum
            • numpy.recarray.swapaxes
            • numpy.recarray.take
            • numpy.recarray.tobytes
            • numpy.recarray.tofile
            • numpy.recarray.tolist
            • numpy.recarray.tostring
            • numpy.recarray.trace
            • numpy.recarray.transpose
            • numpy.recarray.var
            • numpy.recarray.view
          • numpy.record
            • numpy.record.all
            • numpy.record.any
            • numpy.record.argmax
            • numpy.record.argmin
            • numpy.record.argsort
            • numpy.record.astype
            • numpy.record.byteswap
            • numpy.record.choose
            • numpy.record.clip
            • numpy.record.compress
            • numpy.record.conjugate
            • numpy.record.copy
            • numpy.record.cumprod
            • numpy.record.cumsum
            • numpy.record.diagonal
            • numpy.record.dump
            • numpy.record.dumps
            • numpy.record.fill
            • numpy.record.flatten
            • numpy.record.getfield
            • numpy.record.item
            • numpy.record.itemset
            • numpy.record.max
            • numpy.record.mean
            • numpy.record.min
            • numpy.record.newbyteorder
            • numpy.record.nonzero
            • numpy.record.pprint
            • numpy.record.prod
            • numpy.record.ptp
            • numpy.record.put
            • numpy.record.ravel
            • numpy.record.repeat
            • numpy.record.reshape
            • numpy.record.resize
            • numpy.record.round
            • numpy.record.searchsorted
            • numpy.record.setfield
            • numpy.record.setflags
            • numpy.record.sort
            • numpy.record.squeeze
            • numpy.record.std
            • numpy.record.sum
            • numpy.record.swapaxes
            • numpy.record.take
            • numpy.record.tofile
            • numpy.record.tolist
            • numpy.record.tostring
            • numpy.record.trace
            • numpy.record.transpose
            • numpy.record.var
            • numpy.record.view
        • Маскированные массивы (numpy.ma)
        • Стандартный контейнерный класс
          • numpy.lib.user_array.container
        • Итераторы массивов
          • По умолчанию
          • Плоская итерация
            • numpy.ndarray.flat
          • Перечисление n-мерных
            • numpy.ndenumerate
              • numpy.ndenumerate.next
          • Итератор для широковещательной передачи
            • numpy.broadcast
              • numpy.broadcast.reset
      • Маскированные массивы
        • Модуль numpy.ma
          • Обоснование
          • Что такое маскированный массив?
          • Модуль numpy.ma
        • Использование numpy.ma
          • Создание маскированных массивов
            • numpy.ma.array
            • numpy.ma.masked_array
            • numpy.ma.asarray
            • numpy.ma.asanyarray
            • numpy.ma.fix_invalid
            • numpy.ma.masked_equal
            • numpy.ma.masked_greater
            • numpy.ma.masked_greater_equal
            • numpy.ma.masked_inside
            • numpy.ma.masked_invalid
            • numpy.ma.masked_less
            • numpy.ma.masked_less_equal
            • numpy.ma.masked_not_equal
            • numpy.ma.masked_object
            • numpy.ma.masked_outside
            • numpy.ma.masked_values
            • numpy.ma.masked_where
          • Доступ к данным
          • Доступ к маске
          • Доступ только к допустимым записям
          • Изменение маски
            • Маскирование записи
            • Размаскирование записи
          • Индексирование и срезы
          • Операции с маскированными массивами
        • Примеры
          • Данные со значением, представляющим отсутствующие данные
          • Заполнение отсутствующих данных
          • Числовые операции
          • Игнорирование экстремальных значений
        • Константы модуля numpy.ma
        • Класс MaskedArray
          • Атрибуты и свойства маскированных массивов
            • numpy.ma.MaskedArray.base
            • numpy.ma.MaskedArray.ctypes
            • numpy.ma.MaskedArray.dtype
            • numpy.ma.MaskedArray.flags
            • numpy.ma.MaskedArray.itemsize
            • numpy.ma.MaskedArray.nbytes
            • numpy.ma.MaskedArray.ndim
            • numpy.ma.MaskedArray.shape
            • numpy.ma.MaskedArray.size
            • numpy.ma.MaskedArray.strides
            • numpy.ma.MaskedArray.imag
            • numpy.ma.MaskedArray.real
            • numpy.ma.MaskedArray.flat
            • numpy.ma.MaskedArray.__array_priority__
        • MaskedArray методы
          • Преобразование
            • numpy.ma.MaskedArray.__float__
            • numpy.ma.MaskedArray.__int__
            • numpy.ma.MaskedArray.__long__
            • numpy.ma.MaskedArray.view
            • numpy.ma.MaskedArray.astype
            • numpy.ma.MaskedArray.byteswap
            • numpy.ma.MaskedArray.compressed
            • numpy.ma.MaskedArray.filled
            • numpy.ma.MaskedArray.tofile
            • numpy.ma.MaskedArray.toflex
            • numpy.ma.MaskedArray.tolist
            • numpy.ma.MaskedArray.torecords
            • numpy.ma.MaskedArray.tostring
            • numpy.ma.MaskedArray.tobytes
          • Изменение формы
            • numpy.ma.MaskedArray.flatten
            • numpy.ma.MaskedArray.ravel
            • numpy.ma.MaskedArray.reshape
            • numpy.ma.MaskedArray.resize
            • numpy.ma.MaskedArray.squeeze
            • numpy.ma.MaskedArray.swapaxes
            • numpy.ma.MaskedArray.transpose
            • numpy.ma.MaskedArray.T
          • Выбор и изменение элементов
            • numpy.ma.MaskedArray.argmax
            • numpy.ma.MaskedArray.argmin
            • numpy.ma.MaskedArray.argsort
            • numpy.ma.MaskedArray.choose
            • numpy.ma.MaskedArray.compress
            • numpy.ma.MaskedArray.diagonal
            • numpy.ma.MaskedArray.fill
            • numpy.ma.MaskedArray.item
            • numpy.ma.MaskedArray.nonzero
            • numpy.ma.MaskedArray.put
            • numpy.ma.MaskedArray.repeat
            • numpy.ma.MaskedArray.searchsorted
            • numpy.ma.MaskedArray.sort
            • numpy.ma.MaskedArray.take
          • Сериализация и копирование
            • numpy.ma.MaskedArray.copy
            • numpy.ma.MaskedArray.dump
            • numpy.ma.MaskedArray.dumps
          • Вычисления
            • numpy.ma.MaskedArray.all
            • numpy.ma.MaskedArray.anom
            • numpy.ma.MaskedArray.any
            • numpy.ma.MaskedArray.clip
            • numpy.ma.MaskedArray.conj
            • numpy.ma.MaskedArray.conjugate
            • numpy.ma.MaskedArray.cumprod
            • numpy.ma.MaskedArray.cumsum
            • numpy.ma.MaskedArray.max
            • numpy.ma.MaskedArray.mean
            • numpy.ma.MaskedArray.min
            • numpy.ma.MaskedArray.prod
            • numpy.ma.MaskedArray.product
            • numpy.ma.MaskedArray.ptp
            • numpy.ma.MaskedArray.round
            • numpy.ma.MaskedArray.std
            • numpy.ma.MaskedArray.sum
            • numpy.ma.MaskedArray.trace
            • numpy.ma.MaskedArray.var
          • Арифметические и операторы сравнения
            • Операторы сравнения:
              • numpy.ma.MaskedArray.__lt__
              • numpy.ma.MaskedArray.__le__
              • numpy.ma.MaskedArray.__gt__
              • numpy.ma.MaskedArray.__ge__
              • numpy.ma.MaskedArray.__eq__
              • numpy.ma.MaskedArray.__ne__
            • Логическое значение массива (bool):
              • numpy.ma.MaskedArray.__bool__
            • Арифметика:
              • numpy.ma.MaskedArray.__abs__
              • numpy.ma.MaskedArray.__add__
              • numpy.ma.MaskedArray.__radd__
              • numpy.ma.MaskedArray.__sub__
              • numpy.ma.MaskedArray.__rsub__
              • numpy.ma.MaskedArray.__mul__
              • numpy.ma.MaskedArray.__rmul__
              • numpy.ma.MaskedArray.__div__
              • numpy.ma.MaskedArray.__truediv__
              • numpy.ma.MaskedArray.__rtruediv__
              • numpy.ma.MaskedArray.__floordiv__
              • numpy.ma.MaskedArray.__rfloordiv__
              • numpy.ma.MaskedArray.__mod__
              • numpy.ma.MaskedArray.__rmod__
              • numpy.ma.MaskedArray.__divmod__
              • numpy.ma.MaskedArray.__rdivmod__
              • numpy.ma.MaskedArray.__pow__
              • numpy.ma.MaskedArray.__rpow__
              • numpy.ma.MaskedArray.__lshift__
              • numpy.ma.MaskedArray.__rlshift__
              • numpy.ma.MaskedArray.__rshift__
              • numpy.ma.MaskedArray.__rrshift__
              • numpy.ma.MaskedArray.__and__
              • numpy.ma.MaskedArray.__rand__
              • numpy.ma.MaskedArray.__or__
              • numpy.ma.MaskedArray.__ror__
              • numpy.ma.MaskedArray.__xor__
              • numpy.ma.MaskedArray.__rxor__
            • Арифметические операции на месте:
              • numpy.ma.MaskedArray.__iadd__
              • numpy.ma.MaskedArray.__isub__
              • numpy.ma.MaskedArray.__imul__
              • numpy.ma.MaskedArray.__idiv__
              • numpy.ma.MaskedArray.__itruediv__
              • numpy.ma.MaskedArray.__ifloordiv__
              • numpy.ma.MaskedArray.__imod__
              • numpy.ma.MaskedArray.__ipow__
              • numpy.ma.MaskedArray.__ilshift__
              • numpy.ma.MaskedArray.__irshift__
              • numpy.ma.MaskedArray.__iand__
              • numpy.ma.MaskedArray.__ior__
              • numpy.ma.MaskedArray.__ixor__
          • Представление
            • numpy.ma.MaskedArray.__repr__
            • numpy.ma.MaskedArray.__str__
            • numpy.ma.MaskedArray.ids
            • numpy.ma.MaskedArray.iscontiguous
          • Специальные методы
            • numpy.ma.MaskedArray.__copy__
            • numpy.ma.MaskedArray.__deepcopy__
            • numpy.ma.MaskedArray.__getstate__
            • numpy.ma.MaskedArray.__reduce__
            • numpy.ma.MaskedArray.__setstate__
            • numpy.ma.MaskedArray.__new__
            • numpy.ma.MaskedArray.__array__
            • numpy.ma.MaskedArray.__array_wrap__
            • numpy.ma.MaskedArray.__len__
            • numpy.ma.MaskedArray.__getitem__
            • numpy.ma.MaskedArray.__setitem__
            • numpy.ma.MaskedArray.__delitem__
            • numpy.ma.MaskedArray.__contains__
          • Специальные методы
            • Обработка маски
              • numpy.ma.MaskedArray.__setmask__
              • numpy.ma.MaskedArray.harden_mask
              • numpy.ma.MaskedArray.soften_mask
              • numpy.ma.MaskedArray.unshare_mask
              • numpy.ma.MaskedArray.shrink_mask
            • Обработка значения заполнения
              • numpy.ma.MaskedArray.get_fill_value
              • numpy.ma.MaskedArray.set_fill_value
            • Подсчёт пропущенных элементов
              • numpy.ma.MaskedArray.count
        • Операции с масками массивов
          • Константы
            • numpy.ma.MaskType
          • Создание
            • Из существующих данных
              • numpy.ma.masked_array
              • numpy.ma.array
              • numpy.ma.copy
              • numpy.ma.frombuffer
              • numpy.ma.fromfunction
              • numpy.ma.MaskedArray.copy
            • Единицы и нули
              • numpy.ma.empty
              • numpy.ma.empty_like
              • numpy.ma.masked_all
              • numpy.ma.masked_all_like
              • numpy.ma.ones
              • numpy.ma.zeros
          • Проверка массива
            • numpy.ma.all
            • numpy.ma.any
            • numpy.ma.count
            • numpy.ma.count_masked
            • numpy.ma.getmask
            • numpy.ma.getmaskarray
            • numpy.ma.getdata
            • numpy.ma.nonzero
            • numpy.ma.shape
            • numpy.ma.size
            • numpy.ma.is_masked
            • numpy.ma.is_mask
            • numpy.ma.MaskedArray.all
            • numpy.ma.MaskedArray.any
            • numpy.ma.MaskedArray.count
            • numpy.ma.MaskedArray.nonzero
            • numpy.ma.shape
            • numpy.ma.size
          • Работа с MaskedArray
            • Изменение формы
              • numpy.ma.ravel
              • numpy.ma.reshape
              • numpy.ma.resize
              • numpy.ma.MaskedArray.flatten
              • numpy.ma.MaskedArray.ravel
              • numpy.ma.MaskedArray.reshape
              • numpy.ma.MaskedArray.resize
            • Изменение осей
              • numpy.ma.swapaxes
              • numpy.ma.transpose
              • numpy.ma.MaskedArray.swapaxes
              • numpy.ma.MaskedArray.transpose
            • Изменение числа измерений
              • numpy.ma.atleast_1d
              • numpy.ma.atleast_2d
              • numpy.ma.atleast_3d
              • numpy.ma.expand_dims
              • numpy.ma.squeeze
              • numpy.ma.MaskedArray.squeeze
              • numpy.ma.stack
              • numpy.ma.column_stack
              • numpy.ma.concatenate
              • numpy.ma.dstack
              • numpy.ma.hstack
              • numpy.ma.hsplit
              • numpy.ma.mr_
              • numpy.ma.row_stack
              • numpy.ma.vstack
            • Объединение массивов
              • numpy.ma.stack
              • numpy.ma.column_stack
              • numpy.ma.concatenate
              • numpy.ma.append
              • numpy.ma.dstack
              • numpy.ma.hstack
              • numpy.ma.vstack
          • Операции с масками
            • Создание маски
              • numpy.ma.make_mask
              • numpy.ma.make_mask_none
              • numpy.ma.mask_or
              • numpy.ma.make_mask_descr
            • Доступ к маске
              • numpy.ma.getmask
              • numpy.ma.getmaskarray
              • numpy.ma.masked_array.mask
            • Поиск данных с маской
              • numpy.ma.flatnotmasked_contiguous
              • numpy.ma.flatnotmasked_edges
              • numpy.ma.notmasked_contiguous
              • numpy.ma.notmasked_edges
              • numpy.ma.clump_masked
              • numpy.ma.clump_unmasked
            • Изменение маски
              • numpy.ma.mask_cols
              • numpy.ma.mask_or
              • numpy.ma.mask_rowcols
              • numpy.ma.mask_rows
              • numpy.ma.harden_mask
              • numpy.ma.soften_mask
              • numpy.ma.MaskedArray.harden_mask
              • numpy.ma.MaskedArray.soften_mask
              • numpy.ma.MaskedArray.shrink_mask
              • numpy.ma.MaskedArray.unshare_mask
          • Операции преобразования
            • > в массив с маской
              • numpy.ma.asarray
              • numpy.ma.asanyarray
              • numpy.ma.fix_invalid
              • numpy.ma.masked_equal
              • numpy.ma.masked_greater
              • numpy.ma.masked_greater_equal
              • numpy.ma.masked_inside
              • numpy.ma.masked_invalid
              • numpy.ma.masked_less
              • numpy.ma.masked_less_equal
              • numpy.ma.masked_not_equal
              • numpy.ma.masked_object
              • numpy.ma.masked_outside
              • numpy.ma.masked_values
              • numpy.ma.masked_where
            • > в массив ndarray
              • numpy.ma.compress_cols
              • numpy.ma.compress_rowcols
              • numpy.ma.compress_rows
              • numpy.ma.compressed
              • numpy.ma.filled
              • numpy.ma.MaskedArray.compressed
              • numpy.ma.MaskedArray.filled
            • > в другой объект
              • numpy.ma.MaskedArray.tofile
              • numpy.ma.MaskedArray.tolist
              • numpy.ma.MaskedArray.torecords
              • numpy.ma.MaskedArray.tobytes
            • Заполнение массива с маской
              • numpy.ma.common_fill_value
              • numpy.ma.default_fill_value
              • numpy.ma.maximum_fill_value
              • numpy.ma.maximum_fill_value
              • numpy.ma.set_fill_value
              • numpy.ma.MaskedArray.get_fill_value
              • numpy.ma.MaskedArray.set_fill_value
          • Арифметические операции с масками массивов
            • Арифметические операции
              • numpy.ma.anom
              • numpy.ma.anomalies
              • numpy.ma.average
              • numpy.ma.conjugate
              • numpy.ma.corrcoef
              • numpy.ma.cov
              • numpy.ma.cumsum
              • numpy.ma.cumprod
              • numpy.ma.mean
              • numpy.ma.median
              • numpy.ma.power
              • numpy.ma.prod
              • numpy.ma.std
              • numpy.ma.sum
              • numpy.ma.var
              • numpy.ma.MaskedArray.anom
              • numpy.ma.MaskedArray.cumprod
              • numpy.ma.MaskedArray.cumsum
              • numpy.ma.MaskedArray.mean
              • numpy.ma.MaskedArray.prod
              • numpy.ma.MaskedArray.std
              • numpy.ma.MaskedArray.sum
              • numpy.ma.MaskedArray.var
            • Минимум/максимум
              • numpy.ma.argmax
              • numpy.ma.argmin
              • numpy.ma.max
              • numpy.ma.min
              • numpy.ma.ptp
              • numpy.ma.MaskedArray.argmax
              • numpy.ma.MaskedArray.argmin
              • numpy.ma.MaskedArray.max
              • numpy.ma.MaskedArray.min
              • numpy.ma.MaskedArray.ptp
            • Сортировка
              • numpy.ma.argsort
              • numpy.ma.sort
              • numpy.ma.MaskedArray.argsort
              • numpy.ma.MaskedArray.sort
            • Алгебра
              • numpy.ma.diag
              • numpy.ma.dot
              • numpy.ma.identity
              • numpy.ma.inner
              • numpy.ma.innerproduct
              • numpy.ma.outer
              • numpy.ma.outerproduct
              • numpy.ma.trace
              • numpy.ma.transpose
              • numpy.ma.MaskedArray.trace
              • numpy.ma.MaskedArray.transpose
            • Полиномиальное приближение
              • numpy.ma.vander
              • numpy.ma.polyfit
            • Обрезка и округление
              • numpy.ma.around
              • numpy.ma.clip
              • numpy.ma.round
              • numpy.ma.MaskedArray.clip
              • numpy.ma.MaskedArray.round
            • Разное
              • numpy.ma.allequal
              • numpy.ma.allclose
              • numpy.ma.apply_along_axis
              • numpy.ma.arange
              • numpy.ma.choose
              • numpy.ma.ediff1d
              • numpy.ma.indices
              • numpy.ma.where
      • Интерфейс массивов
        • Сторона Python
        • Доступ к C-структурам
        • Примеры описания типов
        • Отличия от интерфейса массивов (версия 2)
      • Даты и временные промежутки
        • Основные даты
        • Арифметика дат и временных промежутков
        • Единицы дат
        • Функциональность рабочих дней
          • np.is_busday():
          • np.busday_count():
            • Пользовательские маски дней недели
        • Изменения в NumPy 1.11
    • Константы
    • Универсальные функции (ufunc)
      • Распространение
      • Определение типа выходных данных
      • Использование внутренних буферов
        • numpy.setbufsize
      • Обработка ошибок
        • numpy.seterr
        • numpy.seterrcall
      • Правила приведения типов
      • Переопределение поведения Ufunc
      • ufunc
        • Необязательные ключевые аргументы
        • Атрибуты
          • numpy.ufunc.nin
          • numpy.ufunc.nout
          • numpy.ufunc.nargs
          • numpy.ufunc.ntypes
          • numpy.ufunc.types
          • numpy.ufunc.identity
          • numpy.ufunc.signature
        • Методы
          • numpy.ufunc.reduce
          • numpy.ufunc.accumulate
          • numpy.ufunc.reduceat
          • numpy.ufunc.outer
          • numpy.ufunc.at
      • Доступные ufuncs
        • Математические операции
        • Тригонометрические функции
        • Функции для работы с битами
        • Функции сравнения
        • Функции для работы с числами с плавающей точкой
    • Функции
      • Функции создания массивов
        • Функции создания массивов из единиц и нулей
          • numpy.empty
          • numpy.empty_like
          • numpy.eye
          • numpy.identity
          • numpy.ones
          • numpy.ones_like
          • numpy.zeros
          • numpy.zeros_like
          • numpy.full
          • numpy.full_like
        • Из существующих данных
          • numpy.array
          • numpy.asarray
          • numpy.asanyarray
          • numpy.ascontiguousarray
          • numpy.asmatrix
          • numpy.copy
          • numpy.frombuffer
          • numpy.fromfile
          • numpy.fromfunction
          • numpy.fromiter
          • numpy.fromstring
          • numpy.loadtxt
        • Создание массивов записей (numpy.rec)
          • numpy.core.records.array
          • numpy.core.records.fromarrays
          • numpy.core.records.fromrecords
          • numpy.core.records.fromstring
          • numpy.core.records.fromfile
        • Создание массивов символов (numpy.char)
          • numpy.core.defchararray.array
          • numpy.core.defchararray.asarray
        • Числовые диапазоны
          • numpy.arange
          • numpy.linspace
          • numpy.logspace
          • numpy.geomspace
          • numpy.meshgrid
          • numpy.mgrid
          • numpy.ogrid
        • Создание матриц
          • numpy.diag
          • numpy.diagflat
          • numpy.tri
          • numpy.tril
          • numpy.triu
          • numpy.vander
        • Класс Matrix
          • numpy.mat
          • numpy.bmat
      • Манипуляции с массивами
        • Основные операции
          • numpy.copyto
          • numpy.shape
        • Изменение формы массива
          • numpy.reshape
          • numpy.ravel
          • numpy.ndarray.flat
          • numpy.ndarray.flatten
        • Операции, подобные транспонированию
          • numpy.moveaxis
          • numpy.rollaxis
          • numpy.swapaxes
          • numpy.ndarray.T
          • numpy.transpose
        • Изменение числа измерений
          • numpy.atleast_1d
          • numpy.atleast_2d
          • numpy.atleast_3d
          • numpy.broadcast
            • numpy.broadcast.reset
          • numpy.broadcast_to
          • numpy.broadcast_arrays
          • numpy.expand_dims
          • numpy.squeeze
        • Изменение типа массива
          • numpy.asarray
          • numpy.asanyarray
          • numpy.asmatrix
          • numpy.asfarray
          • numpy.asfortranarray
          • numpy.ascontiguousarray
          • numpy.asarray_chkfinite
          • numpy.asscalar
          • numpy.require
        • Объединение массивов
          • numpy.concatenate
          • numpy.stack
          • numpy.column_stack
          • numpy.dstack
          • numpy.hstack
          • numpy.vstack
          • numpy.block
        • Разбиение массивов
          • numpy.split
          • numpy.array_split
          • numpy.dsplit
          • numpy.hsplit
          • numpy.vsplit
        • Мозаичное заполнение массивов
          • numpy.tile
          • numpy.repeat
        • Добавление и удаление элементов
          • numpy.delete
          • numpy.insert
          • numpy.append
          • numpy.resize
          • numpy.trim_zeros
          • numpy.unique
        • Переупорядочение элементов
          • numpy.flip
          • numpy.fliplr
          • numpy.flipud
          • numpy.reshape
          • numpy.roll
          • numpy.rot90
      • Битовые операции
        • Элементные битовые операции
          • numpy.bitwise_and
          • numpy.bitwise_or
          • numpy.bitwise_xor
          • numpy.invert
          • numpy.left_shift
          • numpy.right_shift
        • Упаковки битов
          • numpy.packbits
          • numpy.unpackbits
        • Форматирование вывода
          • numpy.binary_repr
      • Операции со строками
        • Операции со строками
          • numpy.char.add
          • numpy.char.multiply
          • numpy.char.mod
          • numpy.char.capitalize
          • numpy.char.center
          • numpy.char.decode
          • numpy.char.encode
          • numpy.char.expandtabs
          • numpy.char.join
          • numpy.char.ljust
          • numpy.char.lower
          • numpy.char.lstrip
          • numpy.char.partition
          • numpy.char.replace
          • numpy.char.rjust
          • numpy.char.rpartition
          • numpy.char.rsplit
          • numpy.char.rstrip
          • numpy.char.split
          • numpy.char.splitlines
          • numpy.char.strip
          • numpy.char.swapcase
          • numpy.char.title
          • numpy.char.translate
          • numpy.char.upper
          • numpy.char.zfill
        • Сравнение
          • numpy.char.equal
          • numpy.char.not_equal
          • numpy.char.greater_equal
          • numpy.char.less_equal
          • numpy.char.greater
          • numpy.char.less
          • numpy.char.compare_chararrays
        • Информация о строках
          • numpy.char.count
          • numpy.char.endswith
          • numpy.char.find
          • numpy.char.index
          • numpy.char.isalpha
          • numpy.char.isalnum
          • numpy.char.isdecimal
          • numpy.char.isdigit
          • numpy.char.islower
          • numpy.char.isnumeric
          • numpy.char.isspace
          • numpy.char.istitle
          • numpy.char.isupper
          • numpy.char.rfind
          • numpy.char.rindex
          • numpy.char.startswith
          • numpy.char.str_len
        • Класс утилит
          • numpy.char.array
          • numpy.char.asarray
          • numpy.char.chararray
            • numpy.char.chararray.astype
            • numpy.char.chararray.argsort
            • numpy.char.chararray.copy
            • numpy.char.chararray.count
            • numpy.char.chararray.decode
            • numpy.char.chararray.dump
            • numpy.char.chararray.dumps
            • numpy.char.chararray.encode
            • numpy.char.chararray.endswith
            • numpy.char.chararray.expandtabs
            • numpy.char.chararray.fill
            • numpy.char.chararray.find
            • numpy.char.chararray.flatten
            • numpy.char.chararray.getfield
            • numpy.char.chararray.index
            • numpy.char.chararray.isalnum
            • numpy.char.chararray.isalpha
            • numpy.char.chararray.isdecimal
            • numpy.char.chararray.isdigit
            • numpy.char.chararray.islower
            • numpy.char.chararray.isnumeric
            • numpy.char.chararray.isspace
            • numpy.char.chararray.istitle
            • numpy.char.chararray.isupper
            • numpy.char.chararray.item
            • numpy.char.chararray.join
            • numpy.char.chararray.ljust
            • numpy.char.chararray.lower
            • numpy.char.chararray.lstrip
            • numpy.char.chararray.nonzero
            • numpy.char.chararray.put
            • numpy.char.chararray.ravel
            • numpy.char.chararray.repeat
            • numpy.char.chararray.replace
            • numpy.char.chararray.reshape
            • numpy.char.chararray.resize
            • numpy.char.chararray.rfind
            • numpy.char.chararray.rindex
            • numpy.char.chararray.rjust
            • numpy.char.chararray.rsplit
            • numpy.char.chararray.rstrip
            • numpy.char.chararray.searchsorted
            • numpy.char.chararray.setfield
            • numpy.char.chararray.setflags
            • numpy.char.chararray.sort
            • numpy.char.chararray.split
            • numpy.char.chararray.splitlines
            • numpy.char.chararray.squeeze
            • numpy.char.chararray.startswith
            • numpy.char.chararray.strip
            • numpy.char.chararray.swapaxes
            • numpy.char.chararray.swapcase
            • numpy.char.chararray.take
            • numpy.char.chararray.title
            • numpy.char.chararray.tofile
            • numpy.char.chararray.tolist
            • numpy.char.chararray.tostring
            • numpy.char.chararray.translate
            • numpy.char.chararray.transpose
            • numpy.char.chararray.upper
            • numpy.char.chararray.view
            • numpy.char.chararray.zfill
        • Интерфейс внешних функций C-типов (numpy.ctypeslib)
        • Функции поддержки дат и времени
          • numpy.datetime_as_string
          • numpy.datetime_data
          • Функции рабочих дней
            • numpy.busdaycalendar
            • numpy.is_busday
            • numpy.busday_offset
            • numpy.busday_count
      • Процедуры типов данных
        • numpy.can_cast
        • numpy.promote_types
        • numpy.min_scalar_type
        • numpy.result_type
        • numpy.common_type
        • numpy.obj2sctype
        • Создание типов данных
          • numpy.dtype
            • numpy.dtype.newbyteorder
          • numpy.format_parser
        • Информация о типах данных
          • numpy.finfo
          • numpy.iinfo
          • numpy.MachAr
        • Проверка типов данных
          • numpy.issctype
          • numpy.issubdtype
          • numpy.issubsctype
          • numpy.issubclass_
          • numpy.find_common_type
        • Разное
          • numpy.typename
          • numpy.sctype2char
          • numpy.mintypecode
          • numpy.maximum_sctype
      • Дополнительные процедуры, ускоренные Scipy (numpy.dual)
        • Линейная алгебра
        • FFT
        • Другие
      • Математические функции с автоматической областью определения (numpy.emath)
      • Обработка ошибок с плавающей точкой
        • Установка и получение обработки ошибок
          • numpy.seterr
          • numpy.geterr
          • numpy.seterrcall
          • numpy.geterrcall
          • numpy.errstate
            • numpy.errstate.__call__
        • Внутренние функции
          • numpy.seterrobj
          • numpy.geterrobj
      • Дискретное преобразование Фурье (numpy.fft)
        • Стандартные FFT
          • numpy.fft.fft
          • numpy.fft.ifft
          • numpy.fft.fft2
          • numpy.fft.ifft2
          • numpy.fft.fftn
          • numpy.fft.ifftn
        • Действительные FFT
          • numpy.fft.rfft
          • numpy.fft.irfft
          • numpy.fft.rfft2
          • numpy.fft.irfft2
          • numpy.fft.rfftn
          • numpy.fft.irfftn
        • Эрмитовы FFT
          • numpy.fft.hfft
          • numpy.fft.ihfft
        • Вспомогательные функции
          • numpy.fft.fftfreq
          • numpy.fft.rfftfreq
          • numpy.fft.fftshift
          • numpy.fft.ifftshift
        • Общие сведения
        • Детали реализации
        • Продвижение типов
        • Нормализация
        • Действительные и эрмитовы преобразования
        • Более высокие размерности
        • Ссылки
        • Примеры
      • Финансовые функции
        • Простые финансовые функции
          • numpy.fv
          • numpy.pv
          • numpy.npv
          • numpy.pmt
          • numpy.ppmt
          • numpy.ipmt
          • numpy.irr
          • numpy.mirr
          • numpy.nper
          • numpy.rate
      • Функциональное программирование
        • numpy.apply_along_axis
        • numpy.apply_over_axes
        • numpy.vectorize
          • numpy.vectorize.__call__
        • numpy.frompyfunc
        • numpy.piecewise
      • Функции справки NumPy
        • Поиск справки
          • numpy.lookfor
        • Чтение справки
          • numpy.info
          • numpy.source
      • Операции индексирования
        • Генерация массивов индексов
          • numpy.c_
          • numpy.r_
          • numpy.s_
          • numpy.nonzero
          • numpy.where
          • numpy.indices
          • numpy.ix_
          • numpy.ogrid
          • numpy.ravel_multi_index
          • numpy.unravel_index
          • numpy.diag_indices
          • numpy.diag_indices_from
          • numpy.mask_indices
          • numpy.tril_indices
          • numpy.tril_indices_from
          • numpy.triu_indices
          • numpy.triu_indices_from
        • Операции, подобные индексированию
          • numpy.take
          • numpy.take_along_axis
          • numpy.choose
          • numpy.compress
          • numpy.diag
          • numpy.diagonal
          • numpy.select
          • numpy.lib.stride_tricks.as_strided
        • Вставка данных в массивы
          • numpy.place
          • numpy.put
          • numpy.put_along_axis
          • numpy.putmask
          • numpy.fill_diagonal
        • Итерация по массивам
          • numpy.nditer
            • numpy.nditer.close
            • numpy.nditer.copy
            • numpy.nditer.debug_print
            • numpy.nditer.enable_external_loop
            • numpy.nditer.iternext
            • numpy.nditer.remove_axis
            • numpy.nditer.remove_multi_index
            • numpy.nditer.reset
          • numpy.ndenumerate
            • numpy.ndenumerate.next
          • numpy.ndindex
            • numpy.ndindex.ndincr
            • numpy.ndindex.next
          • numpy.nested_iters
          • numpy.flatiter
            • numpy.flatiter.copy
          • numpy.lib.Arrayterator
      • Ввод и вывод
        • Двоичные файлы NumPy (NPY, NPZ)
          • numpy.load
          • numpy.save
          • numpy.savez
          • numpy.savez_compressed
        • Текстовые файлы
          • numpy.loadtxt
          • numpy.savetxt
          • numpy.genfromtxt
          • numpy.fromregex
          • numpy.fromstring
          • numpy.ndarray.tofile
          • numpy.ndarray.tolist
        • Необработанные двоичные файлы
        • Форматирование строк
          • numpy.array2string
          • numpy.array_repr
          • numpy.array_str
          • numpy.format_float_positional
          • numpy.format_float_scientific
        • Отображение файлов в памяти
          • numpy.memmap
            • numpy.memmap.flush
        • Параметры форматирования текста
          • numpy.set_printoptions
          • numpy.get_printoptions
          • numpy.set_string_function
          • numpy.printoptions
        • Представления в системе счисления по основанию n
          • numpy.binary_repr
          • numpy.base_repr
        • Источники данных
          • numpy.DataSource
            • numpy.DataSource.abspath
            • numpy.DataSource.exists
            • numpy.DataSource.open
        • Описание двоичного формата
          • numpy.lib.format
            • Формат NPY
              • Возможности
              • Ограничения
              • Расширения файлов
              • Нумерация версий
              • Формат версии 1.0
              • Формат версии 2.0
              • Формат версии 3.0
              • Примечания
      • Линейная алгебра (numpy.linalg)
        • Матричные и векторные произведения
          • numpy.dot
          • numpy.linalg.multi_dot
          • numpy.vdot
          • numpy.inner
          • numpy.outer
          • numpy.matmul
          • numpy.tensordot
          • numpy.einsum
          • numpy.einsum_path
          • numpy.linalg.matrix_power
          • numpy.kron
        • Разложения
          • numpy.linalg.cholesky
          • numpy.linalg.qr
          • numpy.linalg.svd
        • Собственные значения матриц
          • numpy.linalg.eig
          • numpy.linalg.eigh
          • numpy.linalg.eigvals
          • numpy.linalg.eigvalsh
        • Нормы и другие числа
          • numpy.linalg.norm
          • numpy.linalg.cond
          • numpy.linalg.det
          • numpy.linalg.matrix_rank
          • numpy.linalg.slogdet
          • numpy.trace
        • Решения уравнений и обращение матриц
          • numpy.linalg.solve
          • numpy.linalg.tensorsolve
          • numpy.linalg.lstsq
          • numpy.linalg.inv
          • numpy.linalg.pinv
          • numpy.linalg.tensorinv
        • Исключения
          • numpy.linalg.LinAlgError
        • Линейная алгебра для нескольких матриц одновременно
      • Логические функции
        • Проверка истинности
          • numpy.all
          • numpy.any
        • Содержание массива
          • numpy.isfinite
          • numpy.isinf
          • numpy.isnan
          • numpy.isnat
          • numpy.isneginf
          • numpy.isposinf
        • Проверка типа массива
          • numpy.iscomplex
          • numpy.iscomplexobj
          • numpy.isfortran
          • numpy.isreal
          • numpy.isrealobj
          • numpy.isscalar
        • Логические операции
          • numpy.logical_and
          • numpy.logical_or
          • numpy.logical_not
          • numpy.logical_xor
        • Сравнение
          • numpy.allclose
          • numpy.isclose
          • numpy.array_equal
          • numpy.array_equiv
          • numpy.greater
          • numpy.greater_equal
          • numpy.less
          • numpy.less_equal
          • numpy.equal
          • numpy.not_equal
      • Операции с массивными массивами
        • Константы
          • numpy.ma.MaskType
        • Создание
          • Из существующих данных
            • numpy.ma.masked_array
            • numpy.ma.array
            • numpy.ma.copy
            • numpy.ma.frombuffer
            • numpy.ma.fromfunction
            • numpy.ma.MaskedArray.copy
          • Единицы и нули
            • numpy.ma.empty
            • numpy.ma.empty_like
            • numpy.ma.masked_all
            • numpy.ma.masked_all_like
            • numpy.ma.ones
            • numpy.ma.zeros
        • Просмотр массива
          • numpy.ma.all
          • numpy.ma.any
          • numpy.ma.count
          • numpy.ma.count_masked
          • numpy.ma.getmask
          • numpy.ma.getmaskarray
          • numpy.ma.getdata
          • numpy.ma.nonzero
          • numpy.ma.shape
          • numpy.ma.size
          • numpy.ma.is_masked
          • numpy.ma.is_mask
          • numpy.ma.MaskedArray.all
          • numpy.ma.MaskedArray.any
          • numpy.ma.MaskedArray.count
          • numpy.ma.MaskedArray.nonzero
          • numpy.ma.shape
          • numpy.ma.size
        • Работа с MaskedArray
          • Изменение формы
            • numpy.ma.ravel
            • numpy.ma.reshape
            • numpy.ma.resize
            • numpy.ma.MaskedArray.flatten
            • numpy.ma.MaskedArray.ravel
            • numpy.ma.MaskedArray.reshape
            • numpy.ma.MaskedArray.resize
          • Изменение осей
            • numpy.ma.swapaxes
            • numpy.ma.transpose
            • numpy.ma.MaskedArray.swapaxes
            • numpy.ma.MaskedArray.transpose
          • Изменение числа измерений
            • numpy.ma.atleast_1d
            • numpy.ma.atleast_2d
            • numpy.ma.atleast_3d
            • numpy.ma.expand_dims
            • numpy.ma.squeeze
            • numpy.ma.MaskedArray.squeeze
            • numpy.ma.stack
            • numpy.ma.column_stack
            • numpy.ma.concatenate
            • numpy.ma.dstack
            • numpy.ma.hstack
            • numpy.ma.hsplit
            • numpy.ma.mr_
            • numpy.ma.row_stack
            • numpy.ma.vstack
          • Объединение массивов
            • numpy.ma.stack
            • numpy.ma.column_stack
            • numpy.ma.concatenate
            • numpy.ma.append
            • numpy.ma.dstack
            • numpy.ma.hstack
            • numpy.ma.vstack
        • Операции с масками
          • Создание маски
            • numpy.ma.make_mask
            • numpy.ma.make_mask_none
            • numpy.ma.mask_or
            • numpy.ma.make_mask_descr
          • Доступ к маске
            • numpy.ma.getmask
            • numpy.ma.getmaskarray
            • numpy.ma.masked_array.mask
          • Поиск замаскированных данных
            • numpy.ma.flatnotmasked_contiguous
            • numpy.ma.flatnotmasked_edges
            • numpy.ma.notmasked_contiguous
            • numpy.ma.notmasked_edges
            • numpy.ma.clump_masked
            • numpy.ma.clump_unmasked
          • Изменение маски
            • numpy.ma.mask_cols
            • numpy.ma.mask_or
            • numpy.ma.mask_rowcols
            • numpy.ma.mask_rows
            • numpy.ma.harden_mask
            • numpy.ma.soften_mask
            • numpy.ma.MaskedArray.harden_mask
            • numpy.ma.MaskedArray.soften_mask
            • numpy.ma.MaskedArray.shrink_mask
            • numpy.ma.MaskedArray.unshare_mask
        • Операции преобразования
          • > в массив с маской
            • numpy.ma.asarray
            • numpy.ma.asanyarray
            • numpy.ma.fix_invalid
            • numpy.ma.masked_equal
            • numpy.ma.masked_greater
            • numpy.ma.masked_greater_equal
            • numpy.ma.masked_inside
            • numpy.ma.masked_invalid
            • numpy.ma.masked_less
            • numpy.ma.masked_less_equal
            • numpy.ma.masked_not_equal
            • numpy.ma.masked_object
            • numpy.ma.masked_outside
            • numpy.ma.masked_values
            • numpy.ma.masked_where
          • > в массив ndarray
            • numpy.ma.compress_cols
            • numpy.ma.compress_rowcols
            • numpy.ma.compress_rows
            • numpy.ma.compressed
            • numpy.ma.filled
            • numpy.ma.MaskedArray.compressed
            • numpy.ma.MaskedArray.filled
          • > в другой объект
            • numpy.ma.MaskedArray.tofile
            • numpy.ma.MaskedArray.tolist
            • numpy.ma.MaskedArray.torecords
            • numpy.ma.MaskedArray.tobytes
          • Заполнение массива с маской
            • numpy.ma.common_fill_value
            • numpy.ma.default_fill_value
            • numpy.ma.maximum_fill_value
            • numpy.ma.maximum_fill_value
            • numpy.ma.set_fill_value
            • numpy.ma.MaskedArray.get_fill_value
            • numpy.ma.MaskedArray.set_fill_value
        • Маскированные массивы арифметические операции
          • Арифметические операции
            • numpy.ma.anom
            • numpy.ma.anomalies
            • numpy.ma.average
            • numpy.ma.conjugate
            • numpy.ma.corrcoef
            • numpy.ma.cov
            • numpy.ma.cumsum
            • numpy.ma.cumprod
            • numpy.ma.mean
            • numpy.ma.median
            • numpy.ma.power
            • numpy.ma.prod
            • numpy.ma.std
            • numpy.ma.sum
            • numpy.ma.var
            • numpy.ma.MaskedArray.anom
            • numpy.ma.MaskedArray.cumprod
            • numpy.ma.MaskedArray.cumsum
            • numpy.ma.MaskedArray.mean
            • numpy.ma.MaskedArray.prod
            • numpy.ma.MaskedArray.std
            • numpy.ma.MaskedArray.sum
            • numpy.ma.MaskedArray.var
          • Минимум/максимум
            • numpy.ma.argmax
            • numpy.ma.argmin
            • numpy.ma.max
            • numpy.ma.min
            • numpy.ma.ptp
            • numpy.ma.MaskedArray.argmax
            • numpy.ma.MaskedArray.argmin
            • numpy.ma.MaskedArray.max
            • numpy.ma.MaskedArray.min
            • numpy.ma.MaskedArray.ptp
          • Сортировка
            • numpy.ma.argsort
            • numpy.ma.sort
            • numpy.ma.MaskedArray.argsort
            • numpy.ma.MaskedArray.sort
          • Алгебра
            • numpy.ma.diag
            • numpy.ma.dot
            • numpy.ma.identity
            • numpy.ma.inner
            • numpy.ma.innerproduct
            • numpy.ma.outer
            • numpy.ma.outerproduct
            • numpy.ma.trace
            • numpy.ma.transpose
            • numpy.ma.MaskedArray.trace
            • numpy.ma.MaskedArray.transpose
          • Полиномиальное приближение
            • numpy.ma.vander
            • numpy.ma.polyfit
          • Ограничение и округление
            • numpy.ma.around
            • numpy.ma.clip
            • numpy.ma.round
            • numpy.ma.MaskedArray.clip
            • numpy.ma.MaskedArray.round
          • Разное
            • numpy.ma.allequal
            • numpy.ma.allclose
            • numpy.ma.apply_along_axis
            • numpy.ma.arange
            • numpy.ma.choose
            • numpy.ma.ediff1d
            • numpy.ma.indices
            • numpy.ma.where
      • Математические функции
        • Тригонометрические функции
          • numpy.sin
          • numpy.cos
          • numpy.tan
          • numpy.arcsin
          • numpy.arccos
          • numpy.arctan
          • numpy.hypot
          • numpy.arctan2
          • numpy.degrees
          • numpy.radians
          • numpy.unwrap
          • numpy.deg2rad
          • numpy.rad2deg
        • Гиперболические функции
          • numpy.sinh
          • numpy.cosh
          • numpy.tanh
          • numpy.arcsinh
          • numpy.arccosh
          • numpy.arctanh
        • Округление
          • numpy.around
          • numpy.round_
          • numpy.rint
          • numpy.fix
          • numpy.floor
          • numpy.ceil
          • numpy.trunc
        • Суммы, произведения, разности
          • numpy.prod
          • numpy.sum
          • numpy.nanprod
          • numpy.nansum
          • numpy.cumprod
          • numpy.cumsum
          • numpy.nancumprod
          • numpy.nancumsum
          • numpy.diff
          • numpy.ediff1d
          • numpy.gradient
          • numpy.cross
          • numpy.trapz
        • Степень и логарифмы
          • numpy.exp
          • numpy.expm1
          • numpy.exp2
          • numpy.log
          • numpy.log10
          • numpy.log2
          • numpy.log1p
          • numpy.logaddexp
          • numpy.logaddexp2
        • Другие специальные функции
          • numpy.i0
          • numpy.sinc
        • Функции с плавающей запятой
          • numpy.signbit
          • numpy.copysign
          • numpy.frexp
          • numpy.ldexp
          • numpy.nextafter
          • numpy.spacing
        • Рациональные функции
          • numpy.lcm
          • numpy.gcd
        • Арифметические операции
          • numpy.add
          • numpy.reciprocal
          • numpy.positive
          • numpy.negative
          • numpy.multiply
          • numpy.divide
          • numpy.power
          • numpy.subtract
          • numpy.true_divide
          • numpy.floor_divide
          • numpy.float_power
          • numpy.fmod
          • numpy.mod
          • numpy.modf
          • numpy.remainder
          • numpy.divmod
        • Обработка комплексных чисел
          • numpy.angle
          • numpy.real
          • numpy.imag
          • numpy.conj
          • numpy.conjugate
        • Разное
          • numpy.convolve
          • numpy.clip
          • numpy.sqrt
          • numpy.cbrt
          • numpy.square
          • numpy.absolute
          • numpy.fabs
          • numpy.sign
          • numpy.heaviside
          • numpy.maximum
          • numpy.minimum
          • numpy.fmax
          • numpy.fmin
          • numpy.nan_to_num
          • numpy.real_if_close
          • numpy.interp
      • Библиотека матриц (numpy.matlib)
        • numpy.matlib.empty
        • numpy.matlib.zeros
        • numpy.matlib.ones
        • numpy.matlib.eye
        • numpy.matlib.identity
        • numpy.matlib.repmat
        • numpy.matlib.rand
        • numpy.matlib.randn
      • Разные служебные функции
        • Настройка производительности
          • numpy.setbufsize
          • numpy.getbufsize
        • Диапазоны памяти
          • numpy.shares_memory
          • numpy.may_share_memory
          • numpy.byte_bounds
        • Смеси массивов
          • numpy.lib.mixins.NDArrayOperatorsMixin
        • Сравнение версий NumPy
          • numpy.lib.NumpyVersion
        • Служебные функции
          • numpy.get_include
          • numpy.deprecate
          • numpy.deprecate_with_doc
        • Функции, подобные функциям MATLAB
          • numpy.who
          • numpy.disp
      • Заполнение массивов
        • numpy.pad
      • Многочлены
        • Замечание о переходе
          • Пакет многочленов
            • Использование удобных классов
              • Основы
              • Математический анализ
              • Другие конструкторы многочленов
              • Аппроксимация
            • Модуль многочленов (numpy.polynomial.polynomial)
              • Класс многочлен
                • numpy.polynomial.polynomial.Polynomial
                  • numpy.polynomial.polynomial.Polynomial.__call__
                  • numpy.polynomial.polynomial.Polynomial.basis
                  • numpy.polynomial.polynomial.Polynomial.cast
                  • numpy.polynomial.polynomial.Polynomial.convert
                  • numpy.polynomial.polynomial.Polynomial.copy
                  • numpy.polynomial.polynomial.Polynomial.cutdeg
                  • numpy.polynomial.polynomial.Polynomial.degree
                  • numpy.polynomial.polynomial.Polynomial.deriv
                  • numpy.polynomial.polynomial.Polynomial.fit
                  • numpy.polynomial.polynomial.Polynomial.fromroots
                  • numpy.polynomial.polynomial.Polynomial.has_samecoef
                  • numpy.polynomial.polynomial.Polynomial.has_samedomain
                  • numpy.polynomial.polynomial.Polynomial.has_sametype
                  • numpy.polynomial.polynomial.Polynomial.has_samewindow
                  • numpy.polynomial.polynomial.Polynomial.identity
                  • numpy.polynomial.polynomial.Polynomial.integ
                  • numpy.polynomial.polynomial.Polynomial.linspace
                  • numpy.polynomial.polynomial.Polynomial.mapparms
                  • numpy.polynomial.polynomial.Polynomial.roots
                  • numpy.polynomial.polynomial.Polynomial.trim
                  • numpy.polynomial.polynomial.Polynomial.truncate
              • Основы
                • numpy.polynomial.polynomial.polyval
                • numpy.polynomial.polynomial.polyval2d
                • numpy.polynomial.polynomial.polyval3d
                • numpy.polynomial.polynomial.polygrid2d
                • numpy.polynomial.polynomial.polygrid3d
                • numpy.polynomial.polynomial.polyroots
                • numpy.polynomial.polynomial.polyfromroots
                • numpy.polynomial.polynomial.polyvalfromroots
              • Аппроксимация
                • numpy.polynomial.polynomial.polyfit
                • numpy.polynomial.polynomial.polyvander
                • numpy.polynomial.polynomial.polyvander2d
                • numpy.polynomial.polynomial.polyvander3d
              • Математический анализ
                • numpy.polynomial.polynomial.polyder
                • numpy.polynomial.polynomial.polyint
              • Алгебра
                • numpy.polynomial.polynomial.polyadd
                • numpy.polynomial.polynomial.polysub
                • numpy.polynomial.polynomial.polymul
                • numpy.polynomial.polynomial.polymulx
                • numpy.polynomial.polynomial.polydiv
                • numpy.polynomial.polynomial.polypow
              • Разное
                • numpy.polynomial.polynomial.polycompanion
                • numpy.polynomial.polynomial.polydomain
                • numpy.polynomial.polynomial.polyzero
                • numpy.polynomial.polynomial.polyone
                • numpy.polynomial.polynomial.polyx
                • numpy.polynomial.polynomial.polytrim
                • numpy.polynomial.polynomial.polyline
            • Модуль Чебышева (numpy.polynomial.chebyshev)
              • Класс Чебышева
                • numpy.polynomial.chebyshev.Chebyshev
                  • numpy.polynomial.chebyshev.Chebyshev.__call__
                  • numpy.polynomial.chebyshev.Chebyshev.basis
                  • numpy.polynomial.chebyshev.Chebyshev.cast
                  • numpy.polynomial.chebyshev.Chebyshev.convert
                  • numpy.polynomial.chebyshev.Chebyshev.copy
                  • numpy.polynomial.chebyshev.Chebyshev.cutdeg
                  • numpy.polynomial.chebyshev.Chebyshev.degree
                  • numpy.polynomial.chebyshev.Chebyshev.deriv
                  • numpy.polynomial.chebyshev.Chebyshev.fit
                  • numpy.polynomial.chebyshev.Chebyshev.fromroots
                  • numpy.polynomial.chebyshev.Chebyshev.has_samecoef
                  • numpy.polynomial.chebyshev.Chebyshev.has_samedomain
                  • numpy.polynomial.chebyshev.Chebyshev.has_sametype
                  • numpy.polynomial.chebyshev.Chebyshev.has_samewindow
                  • numpy.polynomial.chebyshev.Chebyshev.identity
                  • numpy.polynomial.chebyshev.Chebyshev.integ
                  • numpy.polynomial.chebyshev.Chebyshev.interpolate
                  • numpy.polynomial.chebyshev.Chebyshev.linspace
                  • numpy.polynomial.chebyshev.Chebyshev.mapparms
                  • numpy.polynomial.chebyshev.Chebyshev.roots
                  • numpy.polynomial.chebyshev.Chebyshev.trim
                  • numpy.polynomial.chebyshev.Chebyshev.truncate
              • Основы
                • numpy.polynomial.chebyshev.chebval
                • numpy.polynomial.chebyshev.chebval2d
                • numpy.polynomial.chebyshev.chebval3d
                • numpy.polynomial.chebyshev.chebgrid2d
                • numpy.polynomial.chebyshev.chebgrid3d
                • numpy.polynomial.chebyshev.chebroots
                • numpy.polynomial.chebyshev.chebfromroots
              • Аппроксимация
                • numpy.polynomial.chebyshev.chebfit
                • numpy.polynomial.chebyshev.chebvander
                • numpy.polynomial.chebyshev.chebvander2d
                • numpy.polynomial.chebyshev.chebvander3d
              • Вычисления
                • numpy.polynomial.chebyshev.chebder
                • numpy.polynomial.chebyshev.chebint
              • Алгебра
                • numpy.polynomial.chebyshev.chebadd
                • numpy.polynomial.chebyshev.chebsub
                • numpy.polynomial.chebyshev.chebmul
                • numpy.polynomial.chebyshev.chebmulx
                • numpy.polynomial.chebyshev.chebdiv
                • numpy.polynomial.chebyshev.chebpow
              • Квадратура
                • numpy.polynomial.chebyshev.chebgauss
                • numpy.polynomial.chebyshev.chebweight
              • Разное
                • numpy.polynomial.chebyshev.chebcompanion
                • numpy.polynomial.chebyshev.chebdomain
                • numpy.polynomial.chebyshev.chebzero
                • numpy.polynomial.chebyshev.chebone
                • numpy.polynomial.chebyshev.chebx
                • numpy.polynomial.chebyshev.chebtrim
                • numpy.polynomial.chebyshev.chebline
                • numpy.polynomial.chebyshev.cheb2poly
                • numpy.polynomial.chebyshev.poly2cheb
            • Модуль Лежандра (numpy.polynomial.legendre)
              • Класс Лежандра
                • numpy.polynomial.legendre.Legendre
                  • numpy.polynomial.legendre.Legendre.__call__
                  • numpy.polynomial.legendre.Legendre.basis
                  • numpy.polynomial.legendre.Legendre.cast
                  • numpy.polynomial.legendre.Legendre.convert
                  • numpy.polynomial.legendre.Legendre.copy
                  • numpy.polynomial.legendre.Legendre.cutdeg
                  • numpy.polynomial.legendre.Legendre.degree
                  • numpy.polynomial.legendre.Legendre.deriv
                  • numpy.polynomial.legendre.Legendre.fit
                  • numpy.polynomial.legendre.Legendre.fromroots
                  • numpy.polynomial.legendre.Legendre.has_samecoef
                  • numpy.polynomial.legendre.Legendre.has_samedomain
                  • numpy.polynomial.legendre.Legendre.has_sametype
                  • numpy.polynomial.legendre.Legendre.has_samewindow
                  • numpy.polynomial.legendre.Legendre.identity
                  • numpy.polynomial.legendre.Legendre.integ
                  • numpy.polynomial.legendre.Legendre.linspace
                  • numpy.polynomial.legendre.Legendre.mapparms
                  • numpy.polynomial.legendre.Legendre.roots
                  • numpy.polynomial.legendre.Legendre.trim
                  • numpy.polynomial.legendre.Legendre.truncate
              • Основы
                • numpy.polynomial.legendre.legval
                • numpy.polynomial.legendre.legval2d
                • numpy.polynomial.legendre.legval3d
                • numpy.polynomial.legendre.leggrid2d
                • numpy.polynomial.legendre.leggrid3d
                • numpy.polynomial.legendre.legroots
                • numpy.polynomial.legendre.legfromroots
              • Аппроксимация
                • numpy.polynomial.legendre.legfit
                • numpy.polynomial.legendre.legvander
                • numpy.polynomial.legendre.legvander2d
                • numpy.polynomial.legendre.legvander3d
              • Вычисления
                • numpy.polynomial.legendre.legder
                • numpy.polynomial.legendre.legint
              • Алгебра
                • numpy.polynomial.legendre.legadd
                • numpy.polynomial.legendre.legsub
                • numpy.polynomial.legendre.legmul
                • numpy.polynomial.legendre.legmulx
                • numpy.polynomial.legendre.legdiv
                • numpy.polynomial.legendre.legpow
              • Квадратура
                • numpy.polynomial.legendre.leggauss
                • numpy.polynomial.legendre.legweight
              • Разное
                • numpy.polynomial.legendre.legcompanion
                • numpy.polynomial.legendre.legdomain
                • numpy.polynomial.legendre.legzero
                • numpy.polynomial.legendre.legone
                • numpy.polynomial.legendre.legx
                • numpy.polynomial.legendre.legtrim
                • numpy.polynomial.legendre.legline
                • numpy.polynomial.legendre.leg2poly
                • numpy.polynomial.legendre.poly2leg
            • Модуль Лагеэр (numpy.polynomial.laguerre)
              • Класс Лагеэр
                • numpy.polynomial.laguerre.Laguerre
                  • numpy.polynomial.laguerre.Laguerre.__call__
                  • numpy.polynomial.laguerre.Laguerre.basis
                  • numpy.polynomial.laguerre.Laguerre.cast
                  • numpy.polynomial.laguerre.Laguerre.convert
                  • numpy.polynomial.laguerre.Laguerre.copy
                  • numpy.polynomial.laguerre.Laguerre.cutdeg
                  • numpy.polynomial.laguerre.Laguerre.degree
                  • numpy.polynomial.laguerre.Laguerre.deriv
                  • numpy.polynomial.laguerre.Laguerre.fit
                  • numpy.polynomial.laguerre.Laguerre.fromroots
                  • numpy.polynomial.laguerre.Laguerre.has_samecoef
                  • numpy.polynomial.laguerre.Laguerre.has_samedomain
                  • numpy.polynomial.laguerre.Laguerre.has_sametype
                  • numpy.polynomial.laguerre.Laguerre.has_samewindow
                  • numpy.polynomial.laguerre.Laguerre.identity
                  • numpy.polynomial.laguerre.Laguerre.integ
                  • numpy.polynomial.laguerre.Laguerre.linspace
                  • numpy.polynomial.laguerre.Laguerre.mapparms
                  • numpy.polynomial.laguerre.Laguerre.roots
                  • numpy.polynomial.laguerre.Laguerre.trim
                  • numpy.polynomial.laguerre.Laguerre.truncate
              • Основы
                • numpy.polynomial.laguerre.lagval
                • numpy.polynomial.laguerre.lagval2d
                • numpy.polynomial.laguerre.lagval3d
                • numpy.polynomial.laguerre.laggrid2d
                • numpy.polynomial.laguerre.laggrid3d
                • numpy.polynomial.laguerre.lagroots
                • numpy.polynomial.laguerre.lagfromroots
              • Подгонка
                • numpy.polynomial.laguerre.lagfit
                • numpy.polynomial.laguerre.lagvander
                • numpy.polynomial.laguerre.lagvander2d
                • numpy.polynomial.laguerre.lagvander3d
              • Вычисления
                • numpy.polynomial.laguerre.lagder
                • numpy.polynomial.laguerre.lagint
              • Алгебра
                • numpy.polynomial.laguerre.lagadd
                • numpy.polynomial.laguerre.lagsub
                • numpy.polynomial.laguerre.lagmul
                • numpy.polynomial.laguerre.lagmulx
                • numpy.polynomial.laguerre.lagdiv
                • numpy.polynomial.laguerre.lagpow
              • Квадратура
                • numpy.polynomial.laguerre.laggauss
                • numpy.polynomial.laguerre.lagweight
              • Разное
                • numpy.polynomial.laguerre.lagcompanion
                • numpy.polynomial.laguerre.lagdomain
                • numpy.polynomial.laguerre.lagzero
                • numpy.polynomial.laguerre.lagone
                • numpy.polynomial.laguerre.lagx
                • numpy.polynomial.laguerre.lagtrim
                • numpy.polynomial.laguerre.lagline
                • numpy.polynomial.laguerre.lag2poly
                • numpy.polynomial.laguerre.poly2lag
            • Модуль Эрмита, «физиков» (numpy.polynomial.hermite)
              • Класс Эрмита
                • numpy.polynomial.hermite.Hermite
                  • numpy.polynomial.hermite.Hermite.__call__
                  • numpy.polynomial.hermite.Hermite.basis
                  • numpy.polynomial.hermite.Hermite.cast
                  • numpy.polynomial.hermite.Hermite.convert
                  • numpy.polynomial.hermite.Hermite.copy
                  • numpy.polynomial.hermite.Hermite.cutdeg
                  • numpy.polynomial.hermite.Hermite.degree
                  • numpy.polynomial.hermite.Hermite.deriv
                  • numpy.polynomial.hermite.Hermite.fit
                  • numpy.polynomial.hermite.Hermite.fromroots
                  • numpy.polynomial.hermite.Hermite.has_samecoef
                  • numpy.polynomial.hermite.Hermite.has_samedomain
                  • numpy.polynomial.hermite.Hermite.has_sametype
                  • numpy.polynomial.hermite.Hermite.has_samewindow
                  • numpy.polynomial.hermite.Hermite.identity
                  • numpy.polynomial.hermite.Hermite.integ
                  • numpy.polynomial.hermite.Hermite.linspace
                  • numpy.polynomial.hermite.Hermite.mapparms
                  • numpy.polynomial.hermite.Hermite.roots
                  • numpy.polynomial.hermite.Hermite.trim
                  • numpy.polynomial.hermite.Hermite.truncate
              • Основы
                • numpy.polynomial.hermite.hermval
                • numpy.polynomial.hermite.hermval2d
                • numpy.polynomial.hermite.hermval3d
                • numpy.polynomial.hermite.hermgrid2d
                • numpy.polynomial.hermite.hermgrid3d
                • numpy.polynomial.hermite.hermroots
                • numpy.polynomial.hermite.hermfromroots
              • Подгонка
                • numpy.polynomial.hermite.hermfit
                • numpy.polynomial.hermite.hermvander
                • numpy.polynomial.hermite.hermvander2d
                • numpy.polynomial.hermite.hermvander3d
              • Математический анализ
                • numpy.polynomial.hermite.hermder
                • numpy.polynomial.hermite.hermint
              • Алгебра
                • numpy.polynomial.hermite.hermadd
                • numpy.polynomial.hermite.hermsub
                • numpy.polynomial.hermite.hermmul
                • numpy.polynomial.hermite.hermmulx
                • numpy.polynomial.hermite.hermdiv
                • numpy.polynomial.hermite.hermpow
              • Квадратура
                • numpy.polynomial.hermite.hermgauss
                • numpy.polynomial.hermite.hermweight
              • Разное
                • numpy.polynomial.hermite.hermcompanion
                • numpy.polynomial.hermite.hermdomain
                • numpy.polynomial.hermite.hermzero
                • numpy.polynomial.hermite.hermone
                • numpy.polynomial.hermite.hermx
                • numpy.polynomial.hermite.hermtrim
                • numpy.polynomial.hermite.hermline
                • numpy.polynomial.hermite.herm2poly
                • numpy.polynomial.hermite.poly2herm
            • Модуль HermiteE, “Вероятностный” (numpy.polynomial.hermite_e)
              • Класс HermiteE
                • numpy.polynomial.hermite_e.HermiteE
                  • numpy.polynomial.hermite_e.HermiteE.__call__
                  • numpy.polynomial.hermite_e.HermiteE.basis
                  • numpy.polynomial.hermite_e.HermiteE.cast
                  • numpy.polynomial.hermite_e.HermiteE.convert
                  • numpy.polynomial.hermite_e.HermiteE.copy
                  • numpy.polynomial.hermite_e.HermiteE.cutdeg
                  • numpy.polynomial.hermite_e.HermiteE.degree
                  • numpy.polynomial.hermite_e.HermiteE.deriv
                  • numpy.polynomial.hermite_e.HermiteE.fit
                  • numpy.polynomial.hermite_e.HermiteE.fromroots
                  • numpy.polynomial.hermite_e.HermiteE.has_samecoef
                  • numpy.polynomial.hermite_e.HermiteE.has_samedomain
                  • numpy.polynomial.hermite_e.HermiteE.has_sametype
                  • numpy.polynomial.hermite_e.HermiteE.has_samewindow
                  • numpy.polynomial.hermite_e.HermiteE.identity
                  • numpy.polynomial.hermite_e.HermiteE.integ
                  • numpy.polynomial.hermite_e.HermiteE.linspace
                  • numpy.polynomial.hermite_e.HermiteE.mapparms
                  • numpy.polynomial.hermite_e.HermiteE.roots
                  • numpy.polynomial.hermite_e.HermiteE.trim
                  • numpy.polynomial.hermite_e.HermiteE.truncate
              • Основы
                • numpy.polynomial.hermite_e.hermeval
                • numpy.polynomial.hermite_e.hermeval2d
                • numpy.polynomial.hermite_e.hermeval3d
                • numpy.polynomial.hermite_e.hermegrid2d
                • numpy.polynomial.hermite_e.hermegrid3d
                • numpy.polynomial.hermite_e.hermeroots
                • numpy.polynomial.hermite_e.hermefromroots
              • Аппроксимация
                • numpy.polynomial.hermite_e.hermefit
                • numpy.polynomial.hermite_e.hermevander
                • numpy.polynomial.hermite_e.hermevander2d
                • numpy.polynomial.hermite_e.hermevander3d
              • Вычисления
                • numpy.polynomial.hermite_e.hermeder
                • numpy.polynomial.hermite_e.hermeint
              • Алгебра
                • numpy.polynomial.hermite_e.hermeadd
                • numpy.polynomial.hermite_e.hermesub
                • numpy.polynomial.hermite_e.hermemul
                • numpy.polynomial.hermite_e.hermemulx
                • numpy.polynomial.hermite_e.hermediv
                • numpy.polynomial.hermite_e.hermepow
              • Квадратура
                • numpy.polynomial.hermite_e.hermegauss
                • numpy.polynomial.hermite_e.hermeweight
              • Разное
                • numpy.polynomial.hermite_e.hermecompanion
                • numpy.polynomial.hermite_e.hermedomain
                • numpy.polynomial.hermite_e.hermezero
                • numpy.polynomial.hermite_e.hermeone
                • numpy.polynomial.hermite_e.hermex
                • numpy.polynomial.hermite_e.hermetrim
                • numpy.polynomial.hermite_e.hermeline
                • numpy.polynomial.hermite_e.herme2poly
                • numpy.polynomial.hermite_e.poly2herme
            • Polyutils
              • Объекты ошибок
                • numpy.polynomial.polyutils.PolyError
                • numpy.polynomial.polyutils.PolyDomainError
              • Объекты предупреждений
                • numpy.polynomial.polyutils.RankWarning
              • Базовый класс
                • numpy.polynomial.polyutils.PolyBase
              • Функции
                • numpy.polynomial.polyutils.as_series
                • numpy.polynomial.polyutils.trimseq
                • numpy.polynomial.polyutils.trimcoef
                • numpy.polynomial.polyutils.getdomain
                • numpy.polynomial.polyutils.mapdomain
                • numpy.polynomial.polyutils.mapparms
          • Poly1d
            • Основы
              • numpy.poly1d
                • numpy.poly1d.__call__
                • numpy.poly1d.deriv
                • numpy.poly1d.integ
              • numpy.polyval
              • numpy.poly
              • numpy.roots
            • Адаптация
              • numpy.polyfit
            • Математический анализ
              • numpy.polyder
              • numpy.polyint
            • Арифметика
              • numpy.polyadd
              • numpy.polydiv
              • numpy.polymul
              • numpy.polysub
            • Предупреждения
              • numpy.RankWarning
      • Случайная выборка (numpy.random)
        • Быстрый старт
        • Введение
          • Что нового или отличается
          • Параллельное генерирование
        • Концепции
          • Генератор случайных чисел
            • Доступ к генератору битов
              • numpy.random.Generator.bit_generator
            • Простые случайные данные
              • numpy.random.Generator.integers
              • numpy.random.Generator.random
              • numpy.random.Generator.choice
              • numpy.random.Generator.bytes
            • Перестановки
              • numpy.random.Generator.shuffle
              • numpy.random.Generator.permutation
            • Распределения
              • numpy.random.Generator.beta
              • numpy.random.Generator.binomial
              • numpy.random.Generator.chisquare
              • numpy.random.Generator.dirichlet
              • numpy.random.Generator.exponential
              • numpy.random.Generator.f
              • numpy.random.Generator.gamma
              • numpy.random.Generator.geometric
              • numpy.random.Generator.gumbel
              • numpy.random.Generator.hypergeometric
              • numpy.random.Generator.laplace
              • numpy.random.Generator.logistic
              • numpy.random.Generator.lognormal
              • numpy.random.Generator.logseries
              • numpy.random.Generator.multinomial
              • numpy.random.Generator.multivariate_hypergeometric
              • numpy.random.Generator.multivariate_normal
              • numpy.random.Generator.negative_binomial
              • numpy.random.Generator.noncentral_chisquare
              • numpy.random.Generator.noncentral_f
              • numpy.random.Generator.normal
              • numpy.random.Generator.pareto
              • numpy.random.Generator.poisson
              • numpy.random.Generator.power
              • numpy.random.Generator.rayleigh
              • numpy.random.Generator.standard_cauchy
              • numpy.random.Generator.standard_exponential
              • numpy.random.Generator.standard_gamma
              • numpy.random.Generator.standard_normal
              • numpy.random.Generator.standard_t
              • numpy.random.Generator.triangular
              • numpy.random.Generator.uniform
              • numpy.random.Generator.vonmises
              • numpy.random.Generator.wald
              • numpy.random.Generator.weibull
              • numpy.random.Generator.zipf
          • Генератор устаревшей версии (RandomState)
            • Задавание начального состояния и состояния
              • numpy.random.RandomState.get_state
              • numpy.random.RandomState.set_state
              • numpy.random.RandomState.seed
            • Простые случайные данные
              • numpy.random.RandomState.rand
              • numpy.random.RandomState.randn
              • numpy.random.RandomState.randint
              • numpy.random.RandomState.random_integers
              • numpy.random.RandomState.random_sample
              • numpy.random.RandomState.choice
              • numpy.random.RandomState.bytes
            • Перестановки
              • numpy.random.RandomState.shuffle
              • numpy.random.RandomState.permutation
            • Распределения
              • numpy.random.RandomState.beta
              • numpy.random.RandomState.binomial
              • numpy.random.RandomState.chisquare
              • numpy.random.RandomState.dirichlet
              • numpy.random.RandomState.exponential
              • numpy.random.RandomState.f
              • numpy.random.RandomState.gamma
              • numpy.random.RandomState.geometric
              • numpy.random.RandomState.gumbel
              • numpy.random.RandomState.hypergeometric
              • numpy.random.RandomState.laplace
              • numpy.random.RandomState.logistic
              • numpy.random.RandomState.lognormal
              • numpy.random.RandomState.logseries
              • numpy.random.RandomState.multinomial
              • numpy.random.RandomState.multivariate_normal
              • numpy.random.RandomState.negative_binomial
              • numpy.random.RandomState.noncentral_chisquare
              • numpy.random.RandomState.noncentral_f
              • numpy.random.RandomState.normal
              • numpy.random.RandomState.pareto
              • numpy.random.RandomState.poisson
              • numpy.random.RandomState.power
              • numpy.random.RandomState.rayleigh
              • numpy.random.RandomState.standard_cauchy
              • numpy.random.RandomState.standard_exponential
              • numpy.random.RandomState.standard_gamma
              • numpy.random.RandomState.standard_normal
              • numpy.random.RandomState.standard_t
              • numpy.random.RandomState.triangular
              • numpy.random.RandomState.uniform
              • numpy.random.RandomState.vonmises
              • numpy.random.RandomState.wald
              • numpy.random.RandomState.weibull
              • numpy.random.RandomState.zipf
            • Функции в numpy.random
              • numpy.random.beta
              • numpy.random.binomial
              • numpy.random.bytes
              • numpy.random.chisquare
              • numpy.random.choice
              • numpy.random.dirichlet
              • numpy.random.exponential
              • numpy.random.f
              • numpy.random.gamma
              • numpy.random.geometric
              • numpy.random.get_state
              • numpy.random.gumbel
              • numpy.random.hypergeometric
              • numpy.random.laplace
              • numpy.random.logistic
              • numpy.random.lognormal
              • numpy.random.logseries
              • numpy.random.multinomial
              • numpy.random.multivariate_normal
              • numpy.random.negative_binomial
              • numpy.random.noncentral_chisquare
              • numpy.random.noncentral_f
              • numpy.random.normal
              • numpy.random.pareto
              • numpy.random.permutation
              • numpy.random.poisson
              • numpy.random.power
              • numpy.random.rand
              • numpy.random.randint
              • numpy.random.randn
              • numpy.random.random
              • numpy.random.random_integers
              • numpy.random.random_sample
              • numpy.random.ranf
              • numpy.random.rayleigh
              • numpy.random.sample
              • numpy.random.seed
              • numpy.random.set_state
              • numpy.random.shuffle
              • numpy.random.standard_cauchy
              • numpy.random.standard_exponential
              • numpy.random.standard_gamma
              • numpy.random.standard_normal
              • numpy.random.standard_t
              • numpy.random.triangular
              • numpy.random.uniform
              • numpy.random.vonmises
              • numpy.random.wald
              • numpy.random.weibull
              • numpy.random.zipf
          • Генераторы битов
            • Поддерживаемые генераторы битов
              • numpy.random.BitGenerator
                • numpy.random.BitGenerator.random_raw
              • MT19937
                • Состояние
                  • numpy.random.MT19937.state
                • Параллельное генерирование
                  • numpy.random.MT19937.jumped
                • Расширение
                  • numpy.random.MT19937.cffi
                  • numpy.random.MT19937.ctypes
              • PCG64
                • Состояние
                  • numpy.random.PCG64.state
                • Параллельное генерирование
                  • numpy.random.PCG64.advance
                  • numpy.random.PCG64.jumped
                • Расширение
                  • numpy.random.PCG64.cffi
                  • numpy.random.PCG64.ctypes
              • Philox
                • Состояние
                  • numpy.random.Philox.state
                • Параллельное генерирование
                  • numpy.random.Philox.advance
                  • numpy.random.Philox.jumped
                • Расширение
                  • numpy.random.Philox.cffi
                  • numpy.random.Philox.ctypes
              • SFC64
                • Состояние
                  • numpy.random.SFC64.state
                • Расширение
                  • numpy.random.SFC64.cffi
                  • numpy.random.SFC64.ctypes
          • Инициализация и энтропия
            • numpy.random.SeedSequence
              • numpy.random.SeedSequence.generate_state
              • numpy.random.SeedSequence.spawn
        • Особенности
          • Параллельные приложения
            • SeedSequence порождение
            • Независимые потоки
            • Переход к состоянию BitGenerator
          • Многопоточная генерация
          • Что нового или отличается
          • Сравнение производительности
            • Рекомендация
            • Измерения времени
            • Производительность на разных операционных системах
              • 64-битная Linux
              • 64-битная Windows
              • 32-битная Windows
          • Cython API для random
          • C API для random
          • Примеры использования Numba, Cython, CFFI
            • Numba
            • Cython
            • CFFI
            • Новые базовые генераторы случайных чисел
            • Примеры
              • Numba
              • CFFI + Numba
              • Cython
                • setup.py
                • extending.pyx
                • extending_distributions.pyx
              • CFFI
          • Исходный код генератора и BitGenerators
      • Операции с множествами
        • Создание корректных множеств
          • numpy.unique
        • Булевы операции
          • numpy.in1d
          • numpy.intersect1d
          • numpy.isin
          • numpy.setdiff1d
          • numpy.setxor1d
          • numpy.union1d
      • Сортировка, поиск и подсчёт
        • Сортировка
          • numpy.sort
          • numpy.lexsort
          • numpy.argsort
          • numpy.ndarray.sort
          • numpy.msort
          • numpy.sort_complex
          • numpy.partition
          • numpy.argpartition
        • Поиск
          • numpy.argmax
          • numpy.nanargmax
          • numpy.argmin
          • numpy.nanargmin
          • numpy.argwhere
          • numpy.nonzero
          • numpy.flatnonzero
          • numpy.where
          • numpy.searchsorted
          • numpy.extract
        • Подсчёт
          • numpy.count_nonzero
      • Статистика
        • Порядковые статистики
          • numpy.amin
          • numpy.amax
          • numpy.nanmin
          • numpy.nanmax
          • numpy.ptp
          • numpy.percentile
          • numpy.nanpercentile
          • numpy.quantile
          • numpy.nanquantile
        • Средние значения и дисперсии
          • numpy.median
          • numpy.average
          • numpy.mean
          • numpy.std
          • numpy.var
          • numpy.nanmedian
          • numpy.nanmean
          • numpy.nanstd
          • numpy.nanvar
        • Корреляция
          • numpy.corrcoef
          • numpy.correlate
          • numpy.cov
        • Гистограммы
          • numpy.histogram
          • numpy.histogram2d
          • numpy.histogramdd
          • numpy.bincount
          • numpy.histogram_bin_edges
          • numpy.digitize
      • Поддержка тестирования (numpy.testing)
        • Утверждения
          • numpy.testing.assert_almost_equal
          • numpy.testing.assert_approx_equal
          • numpy.testing.assert_array_almost_equal
          • numpy.testing.assert_allclose
          • numpy.testing.assert_array_almost_equal_nulp
          • numpy.testing.assert_array_max_ulp
          • numpy.testing.assert_array_equal
          • numpy.testing.assert_array_less
          • numpy.testing.assert_equal
          • numpy.testing.assert_raises
          • numpy.testing.assert_raises_regex
          • numpy.testing.assert_warns
          • numpy.testing.assert_string_equal
        • Декораторы
          • numpy.testing.dec.deprecated
          • numpy.testing.dec.knownfailureif
          • numpy.testing.dec.setastest
          • numpy.testing.dec.skipif
          • numpy.testing.dec.slow
          • numpy.testing.decorate_methods
        • Выполнение тестов
          • numpy.testing.Tester
          • numpy.testing.run_module_suite
          • numpy.testing.rundocs
          • numpy.testing.suppress_warnings
            • numpy.testing.suppress_warnings.__call__
            • numpy.testing.suppress_warnings.filter
            • numpy.testing.suppress_warnings.record
        • Рекомендации
          • Рекомендации по тестированию
            • Введение
            • Написание собственных тестов
              • Разметка тестов
              • Более простые функции/методы настройки и завершения
              • Параметрические тесты
              • Doctests
              • tests/
              • __init__.py и setup.py
            • Советы и хитрости
              • Создание многих похожих тестов
              • Известные ошибки и пропуск тестов
              • Тесты на случайных данных
      • Функции окон
        • Различные окна
          • numpy.bartlett
          • numpy.blackman
          • numpy.hamming
          • numpy.hanning
          • numpy.kaiser
    • Упаковщики (numpy.distutils)
      • Модули в numpy.distutils
        • distutils.misc_util
        • numpy.distutils.ccompiler
        • numpy.distutils.cpuinfo.cpu
        • numpy.distutils.core.Extension
        • numpy.distutils.exec_command
        • numpy.distutils.log.set_verbosity
        • numpy.distutils.system_info.get_info
        • numpy.distutils.system_info.get_standard_file
      • Класс конфигурации
      • Компиляция устанавливаемых библиотек C
        • Файлы npy-pkg-config
        • Использование библиотеки C из другого пакета
      • Преобразование файлов .src
    • NumPy Distutils — Руководство пользователя
      • Структура SciPy
      • Требования к пакетам SciPy
      • Файл setup.py
        • Пример пакета SciPy на чистом Python
        • Configuration атрибуты экземпляра
        • Configuration методы экземпляра
        • Преобразование файлов .src с помощью шаблонов
        • Файлы Fortran
          • Правило именованного повторения
          • Правило краткого повторения
          • Предопределённые имена
        • Другие файлы
        • Полезные функции в numpy.distutils.misc_util
        • numpy.distutils.system_info модуль
        • numpy.distutils.cpuinfo модуль
        • numpy.distutils.log модуль
        • numpy.distutils.exec_command модуль
      • Файл __init__.py
      • Дополнительные возможности в NumPy Distutils
        • Указание опций config_fc для библиотек в скрипте setup.py
        • Получение дополнительных опций компилятора Fortran 77 из исходного кода
    • NumPy C-API
      • Типы Python и структуры C
        • Определённые новые типы Python
          • PyArray_Type и PyArrayObject
          • PyArrayDescr_Type и PyArray_Descr
          • PyUFunc_Type и PyUFuncObject
          • PyArrayIter_Type и PyArrayIterObject
          • PyArrayMultiIter_Type и PyArrayMultiIterObject
          • PyArrayNeighborhoodIter_Type и PyArrayNeighborhoodIterObject
          • PyArrayFlags_Type и PyArrayFlagsObject
          • Типы массивов скаляров
        • Другие структуры C
          • PyArray_Dims
          • PyArray_Chunk
          • PyArrayInterface
          • Внутренне используемые структуры
      • Конфигурация системы
        • Размеры типов данных
        • Информация о платформе
        • Директивы компилятора
        • Обработка прерываний
      • API типов данных
        • Перечисленные типы
        • Определения
          • Максимальные и минимальные значения для целых чисел
          • Количество бит в типах данных
          • Ссылок на перечисленные значения поразрядной ширине
          • Целое число, которое может содержать указатель
        • Имена типов C
          • Булево
          • (Без)Знаковое целое
          • (Комплексное) Число с плавающей точкой
          • Имена поразрядной ширины
        • Форматирование printf
      • API массивов
        • Структура массива и доступ к данным
          • Доступ к данным
        • Создание массивов
          • С нуля
          • Из других объектов
        • Работа с типами
          • Общий контроль типа Python
          • Проверка типа данных
          • Преобразование типов данных
          • Новые типы данных
          • Специальные функции для NPY_OBJECT
        • Флаги массива
          • Основные флаги массива
          • Комбинации флагов массива
          • Флаги-постоянные
          • Проверка флагов
        • Альтернативный API метода массива
          • Преобразование
          • Изменение формы
          • Выбор и обработка элементов
          • Вычисление
        • Функции
          • Функции массива
          • Другие функции
        • Вспомогательные данные со семантикой объекта
        • Итераторы массивов
        • Распространение (многочисленные итераторы)
        • Итератор окружения
        • Скаляры массива
        • Описатели типов данных
        • Утилиты преобразования
          • Для использования с PyArg_ParseTuple
          • Другие преобразования
        • Разное
          • Импортирование API
          • Проверка версии API
          • Внутренняя гибкость
          • Управление памятью
          • Поддержка потоков
            • Группа 1
            • Группа 2
          • Приоритет
          • Буферы по умолчанию
          • Другие константы
          • Разные макросы
          • Перечисленные типы
      • Интерфейс итератора массива
        • Итератор массива
        • Пример простой итерации
        • Пример простой многократной итерации
        • Типы данных итератора
        • Создание и уничтожение
        • Функции для итерации
        • Преобразование из предыдущих итераторов NumPy
      • Интерфейс UFunc
        • Константы
        • Макросы
        • Функции
        • Общие функции
        • Импорт API
      • Интерфейс обобщенных универсальных функций
        • Определения
        • Детали сигнатуры
        • C-API для реализации элементарных функций
      • Базовые библиотеки NumPy
        • Базовая математическая библиотека NumPy
          • Классификация чисел с плавающей точкой
          • Полезные математические константы
          • Низкоуровневая манипуляция числами с плавающей точкой
          • Комплексные функции
          • Связывание с базовой математической библиотекой в расширении
          • Функции полуточной точности
      • Устаревшие API C
        • Обзор
        • Механизм устаревания NPY_NO_DEPRECATED_API
    • Внутреннее устройство NumPy
      • Объяснения кода NumPy C
        • Модель памяти
        • Инкапсуляция типов данных
        • Итераторы N-мерных данных
        • Распространение
        • Массивы скаляров
        • Индексирование
          • Расширенное индексирование
        • Универсальные функции
          • Настройка
          • Вызов функции
            • Один цикл
            • Цикл с шагом
            • Буферизованный цикл
          • Конечная обработка результата
          • Методы
            • Настройка
            • Свести
            • Накапливать
            • Reduceat
      • Выравнивание памяти
        • Цели выравнивания в NumPy
        • Переменные в NumPy, контролирующие и описывающие выравнивание
        • Последствия выравнивания
      • Внутренняя организация массивов NumPy
      • Вопросы порядка индексирования многомерных массивов
    • NumPy и SWIG
      • numpy.i: файл интерфейса SWIG для NumPy
        • Введение
        • Использование numpy.i
        • Доступные типмапы
          • Входные массивы
          • Массивы на месте
          • Массивы Argout
          • Массивы Argout View
          • Управляемые памятью массивы Argout View
          • Выходные массивы
          • Другие общие типы: bool
          • Другие общие типы: complex
        • Массивы NumPy, скаляры и SWIG
          • Почему существует второй файл?
        • Вспомогательные функции
          • Макросы
          • Процедуры
        • Выходя за рамки предоставленных типмапов
          • Общий пример
          • Другие ситуации
          • Заключительное примечание
        • Заключение
      • Тестирование типмапов numpy.i
        • Введение
        • Организация тестирования
        • Тестирование заголовочных файлов
        • Тестирование исходных файлов
        • Тестирование файлов интерфейса SWIG
        • Тестирование Python-скриптов
    • Благодарности
  • Руководство пользователя и справочник F2PY
    • Три способа обертки — начало работы
      • Быстрый способ
      • Умный способ
      • Быстрый и умный способ
    • Файл сигнатур
      • Блок Python-модуля
      • Сигнатуры Fortran/C-процедур
        • Объявления типов
        • Утверждения
        • Атрибуты
      • Расширения
        • Директивы F2PY
        • C-выражения
        • Многострочные блоки
    • Использование связываний F2PY в Python
      • Скалярные аргументы
      • Строковые аргументы
      • Массивы-аргументы
      • Аргументы обратного вызова
        • Решение аргументов для функций обратного вызова
      • Общие блоки
      • Данные модуля Fortran 90
        • Распределяемые массивы
    • Использование F2PY
      • Команда f2py
      • Python-модуль numpy.f2py
    • Использование через numpy.distutils
    • Расширенные примеры использования F2PY
      • Добавление самостоятельно написанных функций в сгенерированные модули F2PY
      • Изменение словаря сгенерированного модуля F2PY
      • Обработка спецификаторов KIND
  • Содействие в разработке NumPy
    • Процесс разработки - краткое описание
      • Расхождения между upstream/master и вашей веткой разработки
      • Руководства
      • Стилевые рекомендации
      • Покрытие тестами
      • Сборка документации
        • Требования
        • Исправление предупреждений
    • Процесс разработки - подробности
      • Кодекс поведения NumPy
        • Введение
        • Конкретные рекомендации
        • Заявление о разнообразии
        • Руководство по сообщениям
        • Урегулирование инцидентов и обеспечение соблюдения Кодекса поведения
        • Примечания
      • Основы Git
        • Установить git
        • Получение локальной копии кода
        • Обновление кода
        • Начало работы с Git разработкой
          • Базовая настройка Git
          • Создание собственной копии (fork) NumPy
            • Настройка и конфигурация учетной записи github
            • Создание собственной разветвленной копии NumPy
          • Настройка вашей ветки
            • Обзор
            • Подробно
              • Клонировать вашу ветку
              • Связь вашего репозитория с исходным репозиторием
        • Настройка Git
          • Обзор
          • Подробно
            • user.name и user.email
            • Псевдонимы
            • Редактор
            • Слияние
        • Двоеточие и тройное двоеточие в спецификациях различий
        • Дополнительные ресурсы Git
          • Учебники и обзоры
          • Расширенный рабочий процесс Git
          • Справочные страницы онлайн
      • Настройка и использование среды разработки
        • Рекомендуемая настройка разработки
        • Тестирование сборок
        • Компиляция на месте
        • Другие варианты сборки
        • Использование virtualenv
        • Запуск тестов
        • Перестройка и очистка рабочей области
        • Отладка
        • Понимание кода и начало работы
      • Рабочий процесс разработки
        • Основной рабочий процесс
          • Создание новой ветки разработки
          • Рабочий процесс редактирования
            • Обзор
            • Более подробно
            • Написание сообщения об изменении
          • Запрос на слияние изменений с основным репозиторием
          • Перебазирование на master
          • Восстановление после ошибок
        • Дополнительные действия, которые вы можете выполнить
          • Переписывание истории коммитов
          • Удаление ветки на github
          • Несколько человек, использующих один репозиторий
          • Обзор вашего репозитория
          • Обратное перенесение
          • Отправка изменений в основной репозиторий
      • Бенчмарки NumPy
        • Использование
        • Создание бенчмарков
      • Руководство по стилю NumPy C
        • Введение
        • Диалект C
        • Структура кода
        • Конвенции именования
        • Документирование функций
      • Выпуск версии
        • Как подготовить выпуск
          • Информация о текущей сборке и выпуске
            • Дерево исходных кодов
            • Документация NumPy
            • Вики SciPy.org
            • Документационная вики
            • Сценарии выпуска
          • Поддерживаемые платформы и версии
            • OS X
            • Windows
            • Linux
            • BSD / Solaris
          • Цепочка инструментов
            • Компиляторы
            • Создание исходных архивов и колес
            • Создание документации
            • Загрузка на PyPI
            • Генерация списков авторов/запросов на добавление
            • Virtualenv
          • Что выпущенно
            • Колёса
            • Другое
            • Распространение исходных кодов
          • Процесс выпуска
            • Согласовать график выпуска
            • Убедиться, что текущая ветка корректно собирает пакет
            • Проверка устаревших элементов
            • Проверка номера версии C API
            • Проверка примечаний к выпуску
            • Обновить статус выпуска и создать тег выпуска
            • Применение исправления для исправления ложных шагов
            • Обновить версию главной ветки
            • Запустить сборку колес на travis-ci и Appveyor
            • Выполнить выпуск
            • Создание и архивирование документации
            • Обновление PyPI
            • Отправить тег выпуска и коммит
            • Обновление scipy.org
            • Объявление в списках рассылки
            • Объявление в Linux Weekly News
            • После окончательного выпуска
        • Пошаговые инструкции
          • Пошаговое руководство по выпуску
            • Обратный перенос запросов на добавление
            • Обновление документации по выпуску
            • Завершение примечаний к выпуску
            • Подготовить коммит выпуска
            • Сборка исходных релизов
            • Сборка колес
            • Загрузка колес
            • Генерация файлов README
            • Пометить выпуск тегом
            • Сбросить ветку обслуживания в состояние разработки
            • Загрузка на PyPI
            • Загрузка файлов на github
            • Загрузка документов на numpy.org
            • Объявление о выпуске на scipy.org
            • Объявление в списках рассылки
            • Задачи после выпуска
      • Управление NumPy
        • Управление и принятие решений в проекте NumPy
          • Обзор
          • Проект
          • Управление
            • Принятие решений на основе консенсуса сообществом
            • Направляющий совет
              • Принятие решений советом
              • Состав совета
              • Конфликт интересов
              • Конфиденциальные коммуникации совета
              • Подкомитеты
              • Подкомитет NumFOCUS
          • Институциональные партнеры и финансирование
          • История документа
          • Благодарности
          • Лицензия
        • Текущий состав руководящего совета и институциональные партнеры
          • Руководящий совет
          • Почётные члены
          • Подкомитет NumFOCUS
          • Институциональные партнеры
  • Документация NumPy
    • Руководство по документированию NumPy/SciPy
      • Руководство по docstring numpydoc
        • Обзор
        • Конвенции импорта
        • Стандарт docstring
        • Разделы
        • Документирование классов
          • Docstring класса
          • Документирование методов
        • Документирование экземпляров классов
        • Документирование генераторов
        • Документирование констант
        • Документирование модулей
        • Другие моменты, которые следует учитывать
        • Общие концепции reST
        • Заключение
    • Пример исходного кода
    • Пример рендеринга
    • Создание документации API и справочника NumPy
      • Инструкции
      • Расширения Sphinx
  • Заметки к релизу
    • 1.18.4
      • Авторы
      • Объединенные запросы на добавление функций
    • 1.18.3
      • Основные моменты
      • Авторы
      • Объединенные запросы на добавление функций
    • 1.18.2
      • Авторы
      • Объединенные запросы на добавление функций
    • 1.18.1
      • Авторы
      • Объединенные запросы на добавление функций
    • 1.18.0
      • Основные моменты
      • Новые функции
        • Многомерное гипергеометрическое распределение добавлено в numpy.random
      • Устаревшие функции
        • np.fromfile и np.fromstring будут выдавать ошибку при плохих данных
        • Устаревание нескалярных массивов в качестве значений заполнения в ma.fill_value
        • Устаревание PyArray_As1D, PyArray_As2D
        • Устаревание np.alen
        • Устаревание финансовых функций
        • Аргумент axis к numpy.ma.mask_cols и numpy.ma.mask_row устарел
      • Истекшие устаревшие функции
      • Примечания по совместимости
        • numpy.lib.recfunctions.drop_fields больше не может возвращать None
        • numpy.argmin/argmax/min/max возвращает NaT, если оно существует в массиве
        • np.can_cast(np.uint64, np.timedelta64, casting='safe') теперь False
        • Изменён поток случайных величин из numpy.random.Generator.integers
        • Добавлены циклы ufunc для datetime64, timedelta64
        • Перемещены модули в numpy.random
      • Изменения в API C
        • PyDataType_ISUNSIZED(descr) теперь возвращает False для структурированных типов данных
      • Новые возможности
        • Добавление собственного файла импорта *.pxd cython
        • Кортеж осей теперь можно использовать в качестве входных данных для expand_dims
        • Поддержка 64-битного OpenBLAS
        • Добавление параметра --f2cmap к F2PY
      • Улучшения
        • Разные числовые типы C с одинаковым размером имеют уникальные имена
        • argwhere теперь даёт согласованный результат на 0-мерных массивах
        • Добавление аргумента axis для random.permutation и random.shuffle
        • Аргумент method для np.random.multivariate_normal
        • Добавлена поддержка комплексных чисел для numpy.fromstring
        • numpy.unique имеет согласованный порядок осей, когда axis не равно None
        • numpy.matmul с булевым выводом теперь преобразует в булевы значения
        • numpy.random.randint выдавал неверное значение, когда диапазон был 2**32
        • Добавлена поддержка комплексных чисел для numpy.fromfile
        • std=c99 добавлено, если компилятор называется gcc
      • Изменения
        • NaT теперь сортируется в конец массивов
        • Неверный threshold в np.set_printoptions вызывает TypeError или ValueError
        • Выводить предупреждение при сохранении dtype с метаданными
        • numpy.distutils поведение добавления изменено для LDFLAGS и аналогичных параметров
        • Удалить numpy.random.entropy без устаревания
        • Добавить параметры для беззвучной настройки сборки и сборки с -Werror
    • 1.17.5
      • Авторы
      • Объединённые запросы на изменение
    • 1.17.4
      • Основные моменты
      • Авторы
      • Объединённые запросы на изменение
    • 1.17.3
      • Основные моменты
      • Примечания по совместимости
      • Авторы
      • Объединённые запросы на изменение
    • 1.17.2
      • Авторы
      • Объединённые запросы на изменение
    • 1.17.1
      • Авторы
      • Объединённые запросы на изменение
    • 1.17.0
      • Основные моменты
      • Новые функции
      • Устаревшие функции
        • numpy.polynomial функции выдают предупреждение, если в них передано float вместо int
        • Устаревание numpy.distutils.exec_command и temp_file_name
        • Флаг writeable для массивов, обернутых с помощью C-API
        • numpy.nonzero больше не должна вызываться для 0-мерных массивов
        • Предупреждение при записи в результат numpy.broadcast_arrays
      • Изменения в будущем
        • Поля с формой 1 в dtypes в будущих версиях не будут сводиться к скалярам
      • Примечания по совместимости
        • float16 нормализация
        • Отрицательный ноль при использовании divmod
        • MaskedArray.mask теперь возвращает представление маски, а не саму маску
        • Не обращайтесь к атрибуту __buffer__ в numpy.frombuffer
        • out буферизуется для наложений памяти в take, choose, put
        • Неявное разрешение для распаковки при загрузке
        • Возможные изменения в потоке случайных чисел в старом модуле random
        • i0 теперь всегда возвращает результат с той же формой, что и входной
        • can_cast больше не предполагает, что все небезопасные преобразования разрешены
        • ndarray.flags.writeable можно переключать на true немного чаще
      • Изменения в C API
        • Аргументы размера или шага ввода теперь передаются по npy_intp const*
      • Новые возможности
        • Новый расширяемый numpy.random модуль с выбором генераторов случайных чисел
        • libFLAME
        • Порядок определения BLAS по умолчанию
        • Порядок определения LAPACK по умолчанию
        • ufunc.reduce и связанные функции теперь принимают маску where
        • Timsort и radix-sort заменили mergesort для стабильной сортировки
        • packbits и unpackbits принимают ключевое слово order
        • unpackbits теперь принимает параметр count
        • linalg.svd и linalg.pinv могут быть быстрее на эрмитовых входных данных
        • Операция divmod теперь поддерживается для двух timedelta64 операндов
        • fromfile теперь принимает аргумент offset
        • Новый режим "empty" для pad
        • empty_like и связанные функции теперь принимают аргумент shape
        • Скаляры с плавающей запятой реализуют as_integer_ratio для соответствия встроенному типу float
        • Структурированные dtype объекты могут индексироваться по нескольким именам полей
        • Файлы .npy поддерживают имена полей с использованием Unicode
      • Улучшения
        • Утверждения сравнения массивов включают максимальные различия
        • Замена модуля FFT, основанного на fftpack, библиотекой pocketfft
        • Дополнительные улучшения поддержки ctypes в numpy.ctypeslib
        • numpy.errstate теперь также является декоратором функции
        • Ускорение numpy.exp и numpy.log для реализации float32
        • Улучшение производительности numpy.pad
        • numpy.interp более устойчиво обрабатывает бесконечности
        • Поддержка pathlib для fromfile, tofile и ndarray.dump
        • Специализированные isnan, isinf, и isfinite ufunc для типов bool и int
        • isfinite поддерживает типы datetime64 и timedelta64
        • Новые ключевые слова добавлены в nan_to_num
        • Более описательные ошибки MemoryErrors, вызванные выделением чрезмерно больших массивов
        • floor, ceil, и trunc теперь учитывают встроенные магические методы
        • quantile теперь работает с объектами fraction.Fraction и decimal.Decimal
        • Поддержка массивов объектов в matmul
      • Изменения
        • Функции median и percentile больше не предупреждают о nan
        • Изменено поведение timedelta64 % 0 для возврата NaT
        • Функции NumPy теперь всегда поддерживают переопределения с помощью __array_function__
        • lib.recfunctions.structured_to_unstructured не сжимает представления одного поля
        • clip теперь использует ufunc под капотом
        • Смещение __array_interface__ теперь работает в соответствии с документацией
        • Протокол pickle в savez установлен на 3 для флага force zip64
        • Индексирование структурированных массивов с несуществующими полями вызывает KeyError, а не ValueError
    • 1.16.6
      • Основные моменты
      • Новые функции
        • Разрешить оператору matmul (@ оператор) работать с массивами объектов.
      • Примечания по совместимости
        • Исправление регрессии в операторе matmul (@ оператор) для логических типов
      • Улучшения
        • Утверждения сравнения массивов включают максимальные различия
      • Авторы
      • Объединённые запросы на добавление изменений
    • 1.16.5
      • Авторы
      • Объединённые запросы на добавление изменений
    • 1.16.4
      • Новые устаревания
        • Флаг доступности для записи массивов, обернутых API C
      • Примечания по совместимости
        • Возможные изменения в случайном потоке
      • Изменения
        • numpy.lib.recfunctions.structured_to_unstructured не сжимает представления одного поля
      • Авторы
      • Объединённые запросы на добавление изменений
    • 1.16.3
      • Примечания по совместимости
        • Разгрузка при загрузке требует явного согласия
      • Улучшения
        • Ковариация в random.mvnormal приведена к типу double
      • Изменения
        • Смещение __array_interface__ теперь работает в соответствии с документацией
    • 1.16.2
      • Примечания к совместимости
        • Отрицательный ноль при использовании divmod
      • Авторы
      • Объединенные запросы на изменение
    • 1.16.1
      • Авторы
      • Улучшения
      • Примечания к совместимости
      • Новые возможности
        • Операция divmod теперь поддерживается для двух операндов timedelta64
      • Улучшения
        • Дополнительные улучшения поддержки ctypes в np.ctypeslib
        • Утверждения сравнения массивов включают максимальные различия
      • Изменения
        • Поведение timedelta64 % 0 скорректировано для возврата NaT
    • 1.16.0
      • Основные моменты
      • Новые функции
      • Новые устаревшие функции
      • Устаревшие функции, вышедшие из употребления
      • Изменения в будущем
      • Примечания по совместимости
        • Скрипт f2py в Windows
        • Сравнения NaT
        • Изменилось выравнивание complex64/128
        • Удаление __len__ для nd_grid
        • np.unravel_index теперь принимает параметр shape
        • Многопольные представления возвращают представление, а не копию
      • Изменения в C API
      • Новые возможности
        • Интегрированный оценщик квадратичной ошибки (ISE) добавлен в histogram
        • Ключевое слово max_rows добавлено для np.loadtxt
        • Добавлена поддержка оператора модуля для операндов np.timedelta64
      • Улучшения
        • Без копирования при сериализации массивов NumPy
        • Независимость от оболочки сборки
        • np.polynomial.Polynomial классы отображаются в LaTeX в Jupyter блокнотах
        • randint и choice теперь работают с пустыми распределениями
        • linalg.lstsq, linalg.qr, и linalg.svd теперь работают с пустыми массивами
        • Цепочечные исключения для улучшения сообщений об ошибках при неверных строках формата PEP3118
        • Обновления пути оптимизации einsum и повышения эффективности
        • numpy.angle и numpy.expand_dims теперь работают с подклассами ndarray
        • NPY_NO_DEPRECATED_API подавление предупреждений компилятора
        • np.diff добавление параметров prepend и append
        • Обновление поддержки ARM
        • Добавление к флагам сборки
        • Обобщенные подписи ufunc теперь допускают размеры фиксированного размера
        • Обобщенные подписи ufunc теперь допускают гибкие размеры
        • np.clip и метод clip проверяют перекрытие памяти
        • Новое значение unscaled для параметра cov в np.polyfit
        • Подробные строки документации для скалярных числовых типов
        • Атрибут модуля теперь указывает на публичные модули
        • Крупные выделения памяти помечены как подходящие для прозрачных гигантских страниц
        • Поддержка Alpine Linux (и других дистрибутивов musl c library)
        • Ускорение np.block для больших массивов
          • arr.ctypes.data_as(...) хранит ссылку на arr
        • Ускорение np.take для массивов только для чтения
        • Поддержка объектов типа пути для большего количества функций
        • Лучшее поведение тождеств ufunc во время сокращений
        • Улучшенное преобразование из объектов ctypes
        • Новый член ndpointer.contents
        • matmul теперь является ufunc
        • Массивы начала и окончания для linspace, logspace и geomspace
        • CI расширен дополнительными сервисами
      • Изменения
        • Функции сравнения ufuncs теперь будут возвращать ошибку, а не NotImplemented
        • Функция positive теперь будет выдавать предупреждение о устаревании для нечисловых массивов
        • NDArrayOperatorsMixin теперь реализует умножение матриц
        • Масштабирование ковариационной матрицы в np.polyfit отличается
        • maximum и minimum больше не генерируют предупреждения
        • Модули расширений umath и multiarray c объединены в один модуль
        • getfield расширены проверки корректности
        • Функции NumPy теперь поддерживают переопределения с __array_function__
        • Массивы, основанные на неизменяемых буферах, не могут быть изменены writeable
    • 1.15.4
      • Примечание по совместимости
      • Авторы
      • Объединённые запросы на изменение
    • 1.15.3
      • Примечание по совместимости
      • Авторы
      • Объединённые запросы на изменение
    • 1.15.2
      • Примечание по совместимости
      • Авторы
      • Объединённые запросы на изменение
    • 1.15.1
      • Примечание по совместимости
      • Авторы
      • Объединённые запросы на изменение
    • 1.15.0
      • Основные моменты
      • Новые функции
      • Устаревания
      • Будущие изменения
      • Примечания по совместимости
        • Компилируемые модули тестирования переименованы и сделаны закрытыми
        • Файл NpzFile возвращаемый np.savez теперь является collections.abc.Mapping
        • В некоторых случаях nditer необходимо использовать в блоке управления контекстом
        • NumPy перешёл на использование pytest вместо nose для тестирования
        • NumPy больше не подменяет ctypes с __array_interface__
        • np.ma.notmasked_contiguous и np.ma.flatnotmasked_contiguous всегда возвращают списки
        • np.squeeze восстанавливает старое поведение объектов, которые не могут обработать аргумент axis
        • Метод .item массива unstructured void теперь возвращает объект bytes
        • copy.copy и copy.deepcopy больше не преобразуют masked в массив
        • Многопольное индексирование структурированных массивов всё ещё вернёт копию
      • Изменения в C API
        • Новые функции npy_get_floatstatus_barrier и npy_clear_floatstatus_barrier
        • Изменения в PyArray_GetDTypeTransferFunction
      • Новые возможности
        • np.gcd и np.lcm ufuncs добавлены для целочисленных и объектных типов
        • Поддержка кроссплатформенных сборок для iOS
        • Ключевое слово return_indices добавлено для np.intersect1d
        • np.quantile и np.nanquantile
        • Система сборки
      • Улучшения
        • np.einsum обновления
        • np.ufunc.reduce и связанные функции теперь принимают начальное значение
        • np.flip может работать с несколькими осями
        • histogram и histogramdd функции перемещены в np.lib.histograms
        • histogram будет принимать значения NaN, когда заданы явные границы
        • histogram работает с типами datetime, когда заданы явные границы интервалов
        • histogram оценочный метод «auto» лучше справляется с ограниченной дисперсией
        • Границы, возвращаемые histogram` и histogramdd, теперь соответствуют типу чисел с плавающей точкой данных
        • histogramdd позволяет задавать явные диапазоны для подмножества осей
        • Аргументы normed функций histogramdd и histogram2d были переименованы
        • np.r_ работает с 0d массивами, а np.ma.mr_ работает с np.ma.masked
        • np.ptp принимает аргумент keepdims, а также расширенные кортежи осей
        • MaskedArray.astype теперь идентичен ndarray.astype
        • Включение AVX2/AVX512 во время компиляции
        • nan_to_num всегда возвращает скаляры при получении скаляров или 0d входов
        • np.flatnonzero работает с типами, преобразуемыми в NumPy
        • np.interp возвращает скаляры NumPy вместо встроенных скаляров
        • Разрешить имена полей dtype в виде Unicode в Python 2
        • Функции сравнения ufuncs принимают dtype=object, переопределяя стандартное значение bool
        • Функции сортировки принимают kind='stable'
        • Не создавать временные копии для накопления на месте
        • linalg.matrix_power теперь может обрабатывать стеки матриц
        • Повышенная производительность в random.permutation для многомерных массивов
        • Обобщенные ufuncs теперь принимают аргументы axes, axis и keepdims
        • Значения float128 теперь корректно выводятся на системах ppc
        • Новые функции np.take_along_axis и np.put_along_axis
    • 1.14.6
      • Авторы
      • Объединенные запросы на вытягивание
    • 1.14.5
      • Авторы
      • Объединенные запросы на вытягивание
    • 1.14.4
      • Авторы
      • Объединенные запросы на вытягивание
    • 1.14.3
      • Авторы
      • Объединенные запросы на вытягивание
    • 1.14.2
      • Авторы
      • Объединенные запросы на вытягивание
    • 1.14.1
      • Авторы
      • Объединенные запросы на вытягивание
    • 1.14.0
      • Основные моменты
      • Новые функции
      • Устаревшие функции
      • Изменения в будущем
      • Примечания по совместимости
        • Маска представления массива с пропусками также является представлением, а не копией
        • np.ma.masked больше не является изменяемым
        • np.ma функции, возвращающие значения заполнения, были изменены
        • a.flat.__array__() возвращает неизменяемые массивы, когда a является несмежным
        • np.tensordot теперь возвращает нулевой массив при сокращении по размерности длины 0
        • numpy.testing перестроен
        • np.asfarray больше не принимает не-dtypes через аргумент dtype
        • 1D np.linalg.norm сохраняет типы входных данных с плавающей точкой, даже для произвольных порядков
        • count_nonzero(arr, axis=()) теперь подсчитывает по нулевым осям, а не по всем осям
        • __init__.py файлы добавлены в каталоги тестов
        • .astype(bool) для неструктурированных массивов с типом void теперь вызывает bool для каждого элемента
        • MaskedArray.squeeze никогда не возвращает np.ma.masked
        • Переименовано первое параметр can_cast от from до from_
        • isnat вызывает TypeError при передаче неверного типа
        • dtype.__getitem__ вызывает TypeError при передаче неверного типа
        • Пользовательские типы теперь должны реализовывать __str__ и __repr__
        • Множество изменений в выводе массивов, отключаемых с помощью нового режима вывода «legacy»
      • Изменения в API C
        • Альтернатива для массивов UPDATEIFCOPY совместимая с PyPy
      • Новые возможности
        • Аргумент кодировки для функций текстового ввода-вывода
        • Внешние nose плагины могут быть использованы numpy.testing.Tester
        • Декоратор parametrize добавлен в numpy.testing
        • Функция chebinterpolate добавлена в numpy.polynomial.chebyshev
        • Поддержка чтения сжатых текстовых файлов lzma в Python 3
        • Опция sign добавлена в np.setprintoptions и np.array2string
        • Опция hermitian добавлена в ``np.linalg.matrix_rank``
        • Опции threshold и edgeitems добавлены в np.array2string
        • concatenate и stack получили аргумент out
        • Поддержка компилятора PGI flang на Windows
      • Улучшения
        • Числитель степеней свободы в random.noncentral_f должен быть только положительным.
        • Блокировка GIL освобождается для всех вариантов np.einsum
        • Функция np.einsum будет использовать BLAS, когда это возможно, и оптимизировать по умолчанию
        • f2py теперь обрабатывает массивы размерности 0
        • numpy.distutils поддерживает одновременное использование MSVC и mingw64-gfortran
        • np.linalg.pinv теперь работает со стопками матриц
        • numpy.save выравнивает данные к 64 байтам вместо 16
        • NPZ-файлы теперь могут быть записаны без использования временных файлов
        • Улучшенная поддержка пустых структурированных и строковых типов
        • Поддержка decimal.Decimal в np.lib.financial
        • Вывод чисел с плавающей точкой теперь использует алгоритм «dragon4» для кратчайшего десятичного представления
        • Элементы типа данных void теперь выводятся в шестнадцатеричном формате
        • Стиль вывода для типов данных void теперь можно настраивать независимо
        • Сокращение использования памяти np.loadtxt
      • Изменения
        • Многопольное индексирование/присваивание структурированных массивов
        • Целочисленные и пустые скаляры теперь не затрагиваются np.set_string_function
        • Вывод 0d массивов изменён, style аргумент array2string устарел
        • Инициализация RandomState с использованием массива требует 1-мерный массив
        • Объекты MaskedArray показывают более полезное представление repr
        • Представление repr классов np.polynomial более явное
    • 1.13.3
      • Авторы
      • Объединённые запросы на добавление функций
    • 1.13.2
      • Авторы
      • Объединённые запросы на добавление функций
    • 1.13.1
      • Объединённые запросы на добавление функций
      • Авторы
    • 1.13.0
      • Основные моменты
      • Новые функции
      • Устаревшие функции
      • Изменения в будущем
      • Изменения в системе сборки
      • Примечания по совместимости
        • Изменения типов ошибок
        • Типы данных tuple object
        • Предупреждение DeprecationWarning преобразовано в ошибку
        • Предупреждение FutureWarning преобразовано в изменение поведения
        • Типы данных теперь всегда истинны
        • __getslice__ и __setslice__ больше не нужны в подклассах ndarray
        • Индексация MaskedArrays/констант с ... (эллипсис) теперь возвращает MaskedArray
      • Изменения API C
        • GUfuncs на пустых массивах и удаление оси NpyIter
        • PyArray_MapIterArrayCopyIfOverlap добавлено в NumPy C-API
      • Новые возможности
        • __array_ufunc__ добавлено
        • Новая positive ufunc
        • Новая divmod ufunc
        • np.isnat ufunc проверяет NaT особые значения datetime и timedelta
        • np.heaviside ufunc вычисляет функцию Хевисайда
        • Функция np.block для создания блочных массивов
        • Функция isin, улучшение in1d
        • Временное выпадение
        • Аргумент axes для unique
        • np.gradient теперь поддерживает неравномерно расположенные данные
        • Поддержка возвращаемых массивов произвольных размеров в apply_along_axis
        • Свойство .ndim добавлено к dtype для дополнения .shape
        • Поддержка tracemalloc в Python 3.6
        • NumPy может быть собран с ослабленным контролем шага отладки
      • Улучшения
        • Поведение ufunc для перекрывающихся входных данных
        • Частичная поддержка 64-битных расширений f2py с MinGW
        • Улучшения производительности для packbits и unpackbits
        • Исправление для PPC long double плавающей точки информации
        • Лучшее значение repr по умолчанию для подклассов ndarray
        • Более надёжные сравнения masked-массивов
        • np.matrix с элементами типа bool теперь можно создавать с помощью синтаксиса строк
        • Больше операций linalg теперь принимают пустые векторы и матрицы
        • Связанная версия LAPACK теперь 3.2.2
        • reduce np.hypot.reduce и np.logical_xor разрешены в большем количестве случаев
        • Лучшее отображение repr объектных массивов
      • Изменения
        • argsort для массивов с пропусками принимает те же значения по умолчанию, что и sort
        • average теперь сохраняет подклассы
        • array == None и array != None выполняют поэлементное сравнение
        • np.equal, np.not_equal для массивов объектов игнорирует идентичность объектов
        • Изменения в индексировании булевыми значениями
        • np.random.multivariate_normal поведение с плохой матрицей ковариации
        • assert_array_less сравнивает np.inf и -np.inf теперь
        • assert_array_ и массивы с пропусками assert_equal скрывают меньше предупреждений
        • offset значение атрибута в объектах memmap
        • np.real и np.imag возвращают скаляры для скалярных входных данных
        • Классы удобств полиномов не могут быть переданы в ufuncs
        • Аргументы вывода для ufuncs также могут быть кортежами для методов ufunc
    • 1.12.1
      • Исправленные ошибки
    • 1.12.0
      • Основные моменты
      • Поддержка, прекращенная в пользу других
      • Добавленная поддержка
      • Изменения в системе сборки
      • Устаревшие элементы
        • Присвоение атрибута data объекта ndarray
        • Небезопасное преобразование типа int атрибута num в linspace
        • Недостаточная ширина разряда параметра для binary_repr
      • Будущие изменения
        • Многопольная обработка структурированных массивов
      • Примечания по совместимости
        • Преобразование DeprecationWarning в ошибку
        • Преобразование FutureWarning в изменение поведения
        • Функции возведения в степень и повышения в степень для целых чисел в отрицательных степенях целых чисел
        • Проверка шага с ослаблением по умолчанию
        • Метод интерполяции ‘midpoint’ функции np.percentile исправлен для точных индексов
        • Аргумент keepdims передаётся в методы пользовательских классов
        • Изменена идентичность побитового И
        • ma.median выводит предупреждение и возвращает nan при обнаружении не замаскированных недопустимых значений
        • Большая согласованность в assert_almost_equal
        • NoseTester поведение предупреждений во время тестирования
        • assert_warns и deprecated декоратор более специфичны
        • C API
      • Новые возможности
        • Аргумент writeable для as_strided
        • Аргумент axes для rot90
        • Обобщенный flip
        • Поддержка BLIS в numpy.distutils
        • Подключение в numpy/__init__.py для выполнения проверок, специфичных для дистрибутива
        • Добавлены новые функции nanfunctions nancumsum и nancumprod
        • np.interp теперь может интерполировать комплексные значения
        • Добавлена новая функция полиномиального вычисления polyvalfromroots
        • Добавлена новая функция создания массивов geomspace
        • Новый менеджер контекстов для тестирования предупреждений
        • Добавлены новые функции массивов с маской ma.convolve и ma.correlate
        • Новая float_power ufunc
        • np.loadtxt теперь поддерживает единственное целое число в качестве аргумента usecol
        • Улучшенные автоматические оценщики интервалов для histogram
        • np.roll теперь может сдвигать несколько осей одновременно
        • Метод __complex__ реализован для массивов ndarray
        • Теперь поддерживаются объекты pathlib
        • Новый атрибут bits для np.finfo
        • Новый аргумент signature для np.vectorize
        • Выводить py3kwarnings для деления массивов целых чисел
        • numpy.sctypes теперь также включает bytes в Python3
      • Улучшения
        • Изменена идентичность
        • Обобщённые Ufuncs теперь освобождают GIL
        • Кэши в np.fft теперь имеют ограничение по общему размеру и количеству элементов
        • Улучшенная обработка строк нулевой ширины/unicode типов данных
        • Функции для целых чисел, векторизованные с AVX2
        • Оптимизация порядка операций в np.einsum
        • Быстрая сортировка изменена на introsort
        • ediff1d улучшена производительность и обработка подклассов
        • Улучшена точность ndarray.mean для массивов float16
      • Изменения
        • Все методы array-подобных объектов теперь вызываются с ключевыми аргументами в fromnumeric.py
        • Операции над объектами np.memmap в большинстве случаев возвращают массивы NumPy
        • Уровень стека предупреждений увеличен
    • 1.11.3
      • Авторы, внесшие вклад в обслуживание/1.11.3
      • Объединенные запросы на добавление изменений
    • 1.11.2
      • Объединенные запросы на добавление изменений
    • 1.11.1
      • Исправленные ошибки
    • 1.11.0
      • Основные моменты
      • Изменения системы сборки
      • Будущие изменения
      • Примечания по совместимости
        • Изменения в datetime64
        • linalg.norm изменения типа возвращаемого значения
        • Изменения в подгонке полиномов
        • np.dot теперь вызывает TypeError вместо ValueError
        • Предупреждение FutureWarning об изменении поведения
        • % и // операторы
        • C API
        • Обнаружение типа данных object для старых классов
      • Новые возможности
      • Улучшения
        • np.gradient теперь поддерживает аргумент axis
        • np.lexsort теперь поддерживает массивы с типом данных object
        • np.ma.core.MaskedArray теперь поддерживает аргумент order
        • Улучшения производительности и памяти для масок
        • ndarray.tofile теперь использует fallocate в Linux
        • Оптимизации для операций вида A.T @ A и A @ A.T
        • np.testing.assert_warns теперь может использоваться как менеджер контекста
        • Улучшение производительности для np.random.shuffle
      • Изменения
        • Поддержка Pyrex была удалена из numpy.distutils
        • np.broadcast теперь может вызываться с одним аргументом
        • np.trace теперь учитывает подклассы массивов
        • np.dot теперь вызывает TypeError вместо ValueError
        • linalg.norm изменения типа возвращаемого значения
      • Устаревшие функции
        • Представления массивов в порядке Fortran
        • Недопустимые аргументы для порядка массива
        • Генератор случайных чисел в testing пространстве имён
        • Генерация случайных целых чисел на замкнутом интервале
      • Предупреждения FutureWarnings
        • Присваивание срезам/представлениям MaskedArray
    • 1.10.4
      • Примечания по совместимости
      • Исправленные проблемы
      • Объединенные запросы на добавление изменений
    • 1.10.3
    • 1.10.2
      • Примечания по совместимости
        • Проверка строк с ослабленными ограничениями больше не является значением по умолчанию
        • Исправление ошибки swig в numpy.i
        • Устаревание представлений, изменяющих размерности в порядке Fortran
      • Исправленные проблемы
      • Объединенные запросы на добавление изменений
      • Примечания
    • 1.10.1
    • 1.10.0
      • Основные моменты
      • Поддержка, прекращённая
      • Будущие изменения
      • Примечания к совместимости
        • Изменение правила преобразования по умолчанию
        • Строка версии numpy
        • Расслабленная проверка шага
        • Конкатенация одномерных массивов вдоль любой оси, кроме оси 0, вызывает IndexError
        • np.ravel, np.diagonal и np.diag теперь сохраняют подтипы
        • rollaxis и swapaxes всегда возвращают представление
        • nonzero теперь возвращает базовые ndarrays
        • C API
        • Типы возвращаемых значений полей recarray
        • Представления recarray
        • Ключевое слово «out» аргумента ufunc теперь принимает кортежи массивов
        • Индексы массива байтов теперь вызывают IndexError
        • Маскированные массивы, содержащие объекты с массивами
        • Медиана выдает предупреждение и возвращает NaN при обнаружении недопустимых значений
        • Функции, доступные из numpy.ma.testutils, изменены
      • Новые возможности
        • Чтение дополнительных флагов из site.cfg
        • np.cbrt для вычисления кубического корня для вещественных чисел с плавающей точкой
        • numpy.distutils теперь допускает параллельную компиляцию
        • genfromtxt имеет новый аргумент max_rows
        • Новая функция np.broadcast_to для вызова широковещательной передачи массивов
        • Новый менеджер контекста clear_and_catch_warnings для тестирования предупреждений
        • cov имеет новые аргументы fweights и aweights
        • Поддержка оператора «@» в Python 3.5+
        • Новый аргумент norm для функций fft
      • Улучшения
        • np.digitize с использованием бинарного поиска
        • np.poly теперь преобразует целочисленные входные данные в числа с плавающей точкой
        • np.interp теперь можно использовать с периодическими функциями
        • np.pad поддерживает больше типов входных данных для pad_width и constant_values
        • np.argmax и np.argmin теперь поддерживают аргумент out
        • Обнаружено и использовано больше системных комплексных функций C99
        • Поддержка np.loadtxt для строк, созданных методом float.hex
        • np.isclose корректно обрабатывает минимальные значения целочисленных типов данных
        • np.allclose использует np.isclose внутри
        • np.genfromtxt теперь правильно обрабатывает большие целые числа
        • np.load, np.save имеют флаги обратной совместимости pickle
        • Поддержка MaskedArray для более сложных базовых классов
      • Изменения
        • Функциональность dotblas перемещена в multiarray
        • Более строгая проверка соответствия сигнатуры gufunc
        • Представления, возвращаемые из np.einsum, могут быть изменяемыми
        • np.argmin пропускает значения NaT
      • Устаревшие функции
        • Сравнения массивов, включающие строки или структурированные типы данных
        • SafeEval
        • alterdot, restoredot
        • pkgload, PackageLoader
        • Аргументы bias, ddof для corrcoef
        • Изменения в строковом представлении dtype
    • 1.9.2
      • Исправленные проблемы
    • 1.9.1
      • Исправленные проблемы
    • 1.9.0
      • Основные моменты
      • Поддержка, прекращенная
      • Будущие изменения
      • Примечания к совместимости
        • Функции diagonal и diag возвращают только для чтения представления.
        • Специальные скалярные значения с плавающей запятой больше не вызывают преобразования к типу double.
        • Изменения в выводе процентилей
        • Тип исключения ndarray.tofile
        • Исключения некорректного значения заполнения
        • Классы полиномов больше не наследуются от PolyBase
        • Использование numpy.random.binomial может изменить состояние генератора случайных чисел по сравнению с numpy < 1.9
        • Генератор случайных чисел должен быть 32-разрядным целым без знака
        • Аргумент out для функций argmin и argmax
        • Einsum
        • Индексирование
        • Индексы оси не целого типа для сокращения устарели
        • promote_types и тип данных string
        • can_cast и тип данных string
        • astype и тип данных string
        • Изменение ключевых аргументов npyio.recfromcsv
        • Перемещение каталога doc/swig
        • Изменение заголовка npy_3kcompat.h
        • Отрицательные индексы в методах последовательности C-API sq_item и sq_ass_item
        • NDIter
        • zeros_like для типов данных string теперь возвращает пустые строки
      • Новые возможности
        • Процентили поддерживают больше вариантов интерполяции
        • Обобщенная поддержка оси для медианы и процентилей
        • Параметр dtype добавлен к np.linspace и np.logspace
        • Более общее вещание для np.triu и np.tril
        • tobytes псевдоним для метода tostring
        • Система сборки
        • Совместимость с модулем python numbers
        • Параметр increasing добавлен к np.vander
        • Параметр unique_counts добавлен к np.unique
        • Поддержка медианы и процентилей в функциях nanfunctions
        • Добавлен класс NumpyVersion
        • Возможность сохранения массивов с большим количеством именованных столбцов
        • Полная поддержка вещания для np.cross
      • Улучшения
        • Лучшая числовая устойчивость для sum в некоторых случаях
        • Процентили реализованы через np.partition
        • Улучшение производительности для np.array
        • Улучшение производительности для np.searchsorted
        • Необязательное уменьшение подробности вывода для np.distutils
        • Проверка ковариации в np.random.multivariate_normal
        • Классы полиномов больше не основаны на шаблонах
        • Больше освобождений GIL
        • Поддержка MaskedArray для более сложных базовых классов
        • C-API
      • Устаревшие функции
        • Скаляры, не являющиеся целыми числами, для повторения последовательности
        • Устаревшие функции select input
        • Функция rank
        • Сравнения на равенство массивов с объектами
        • C-API
    • 1.8.2
      • Исправленные проблемы
    • 1.8.1
      • Исправленные проблемы
      • Изменения
        • NDIter
        • Необязательное сокращение подробности для np.distutils
      • Устаревшие элементы
        • C-API
    • 1.8.0
      • Основные моменты
      • Поддержка, от которой отказались
      • Будущие изменения
      • Примечания по совместимости
        • NPY_RELAXED_STRIDES_CHECKING
        • Бинарные операции с не-массивами в качестве второго аргумента
        • Функция median при использовании с overwrite_input только частично сортирует массив
        • Исправление финансовой функции npv
        • Ошибки выполнения при сравнении чисел NaN
      • Новые возможности
        • Поддержка линейной алгебры для стопки массивов
        • Встроенное умное индексирование для ufuncs
        • Новые функции partition и argpartition
        • Новые функции nanmean, nanvar и nanstd
        • Новые функции full и full_like
        • Совместимость ввода-вывода с большими файлами
        • Компиляция с OpenBLAS
        • Новая константа
        • Новые режимы для qr
        • Новый аргумент invert для in1d
        • Расширенное индексирование с использованием np.newaxis
        • C-API
        • runtests.py
      • Улучшения
        • Улучшения производительности ввода-вывода
        • Улучшения производительности pad
        • Улучшения производительности isnan, isinf, isfinite и byteswap
        • Улучшения производительности через SSE2 векторизацию
        • Улучшения производительности median
        • Переопределяемые флаги операндов в ufunc C-API
      • Изменения
        • Общие
        • Добавления в C-API массивов
        • Добавления в C-API ufunc
        • Улучшения для разработчиков C-API
      • Устаревшие элементы
        • Общие
      • Авторы
    • 1.7.2
      • Исправленные проблемы
    • 1.7.1
      • Исправленные проблемы
    • 1.7.0
      • Основные моменты
      • Примечания по совместимости
      • Новые возможности
        • Функции сокращения UFuncs обобщают параметр axis=
        • Новые функции сокращения UFuncs с параметром keepdims=
        • Поддержка дат и времени
        • Настройка формата вывода массивов
        • Новая функция numpy.random.choice
        • Новая функция isclose
        • Предварительная поддержка многомерных данных в пакете полиномов
        • Возможность дополнения массивов ранга n
        • Новый аргумент для searchsorted
        • Система сборки
        • C API
      • Изменения
        • Общие
        • Правила приведения типов
      • Устаревшие элементы
        • Общие
        • C-API
    • 1.6.2
      • Исправленные ошибки
        • numpy.core
        • numpy.lib
        • numpy.distutils
        • numpy.random
      • Изменения
        • numpy.f2py
        • numpy.poly
    • 1.6.1
      • Исправленные ошибки
    • 1.6.0
      • Основные моменты
      • Новые возможности
        • Новый тип 16-битного числа с плавающей точкой
        • Новый итератор
        • Полиномы Лежандра, Лагера, Эрмита, Эрмита в numpy.polynomial
        • Поддержка массивов Fortran с предполагаемой формой и функции размера в numpy.f2py
        • Другие новые функции
      • Изменения
        • default error handling
        • numpy.distutils
        • numpy.testing
        • C API
      • Устаревшие возможности
      • Удаленные возможности
        • numpy.fft
        • numpy.memmap
        • numpy.lib
        • numpy.ma
        • numpy.distutils
    • 1.5.0
      • Основные моменты
        • Совместимость с Python 3
        • Совместимость с PEP 3118
      • Новые возможности
        • Предупреждение при приведении комплексных чисел к вещественным
        • Метод dot для ndarrays
        • Функция linalg.slogdet
        • новый заголовок
      • Изменения
        • polynomial.polynomial
        • polynomial.chebyshev
        • гистограмма
        • корреляция
    • 1.4.0
      • Основные моменты
      • Новые возможности
        • Расширенный механизм обертывания массивов для ufunc
        • Автоматическое обнаружение несовместимостей
        • Новые итераторы
        • Новая поддержка полиномов
        • Новый C API
        • Новые ufuncs
        • Новые определения
        • Тестирование
        • Использование npymath
        • Улучшенные операции над множествами
      • Улучшения
      • Устаревшие функции
      • Внутренние изменения
        • Использование функций C99 complex, если они доступны
        • Разделение исходного кода multiarray и umath
        • Раздельная компиляция
        • Отдельный модуль математической библиотеки ядра
    • 1.3.0
      • Основные моменты
        • Поддержка Python 2.6
        • Обобщенные ufuncs
        • Экспериментальная поддержка Windows 64 бит
      • Новые возможности
        • Вопросы форматирования
        • Обработка NaN в max/min
        • Обработка NaN в sign
        • Новые ufuncs
        • Маскированные массивы
        • Поддержка gfortran в Windows
        • Параметр arch для двоичных файлов Windows
      • Устаревшие функции
        • Гистограмма
      • Изменения в документации
      • Новый C API
        • Многомерный API
        • API ufunc
        • Новые определения
        • Переносимые значения NAN, INFINITY и т.д.
      • Внутренние изменения
        • Пересмотр конфигурации numpy.core math
        • Рефакторинг umath
        • Улучшения предупреждений при сборке
        • Отдельный модуль математической библиотеки ядра
        • Обнаружение архитектуры процессора
  • О NumPy
    • Сообщество NumPy
  • О данной документации
    • Соглашения
  • Сообщения об ошибках
  • Лицензия NumPy
  • Словарь терминов

© 2005–2020 NumPy Developers
Licensed under the 3-clause BSD License.
https://numpy.org/doc/1.18/contents.html

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API