Better late than never

NumPy 不仅用于数组计算，也提供了轻量的数据读写、汇总统计和索引工具。本篇按“读写—统计—排序—去重—搜索”的路径组织常用方法，便于按任务快速查找。 一、NumPy 读取数据（一）使用 NumPy 读写文本文件1. 将一维或二维数组写入 TXT、CSV 文件np.savetxt 把一维或二维数组写成文本。文件扩展名不会自动决定分隔方式；写 CSV 时仍需明确指定 delimiter=","。 参数 解释 参数 含义 — — fname 文件名或可写的文本文件对象；以 .gz 结尾时可直接写 gzip 文件 X 要保存的一维或二维数组 fmt 数值格式，例如 %d、%.2f，默认 %.18e delimiter 列分隔符，默认空格；CSV 通常使用逗号 newline 行分隔符，默认换行符 header、footer 文件首尾的说明文本 comments 写在 header、footer 前的注释前缀，默认 # encoding 文本编码 123456789101112import numpy as npa ...

NumPy 的核心是 ndarray：带有固定数据类型和形状的多维数组。真正值得掌握的不是函数清单，而是 shape、dtype、axis、广播和内存共享这几个心智模型。本文以当前 NumPy 2.x 的写法重新整理这些基础。 NumPy 是什么NumPy 是数值计算生态中的基础库，主要用于大型、多维数组上的运算。它的优势可以概括为： 使用连续、结构化的数组表达数据； 通过向量化运算减少重复循环； 为统计、科学计算和数据处理工具提供统一的数组基础。 安装基础依赖： 1python -m pip install numpy SciPy 是建立在 NumPy 之上的科学计算库，需要线性代数、优化、信号处理等扩展功能时再单独安装即可。 先记住四个属性1234567import numpy as npa = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)print(a.shape) # (2, 3)：2 行 3 列print(a.ndim) # 2：二维print(a.dtype) # float64pr ...

背网络层次不难，难的是把它们串成一次真实请求：浏览器如何找到服务器，数据怎样逐层封装，TCP 为什么要握手，页面打不开时又该从哪里查起。本文沿着一次 HTTPS 请求，把这些问题连成一条线。 1. 先把分层模型放回实际网络OSI 七层模型适合解释职责，日常排障更常按 TCP/IP 四层模型思考。两者不是两套互相竞争的协议，而是观察同一通信过程的不同粒度。 TCP/IP 层次 大致对应的 OSI 层 典型协议或对象 主要问题 应用层 应用、表示、会话层 HTTP、TLS、DNS 传什么、怎样解释 传输层 传输层 TCP、UDP 哪个进程、是否可靠 网际层 网络层 IPv4、IPv6、ICMP 发往哪台主机、怎样路由 网络接口层 数据链路、物理层 Ethernet、Wi-Fi、ARP 下一跳是谁、怎样在链路上传输 发送时，应用数据会依次包进传输层报文段、IP 数据包和链路层帧；接收方再反向拆开。每一层只处理自己的地址与控制信息：端口定位进程，IP 地址定位主机，MAC 地址负责当前链路上的交付。 一个容易混淆的点是：交换机主要依据 MAC ...