Umfassende Analyse der Numpy-Bibliotheksfunktionen

numpy (Numerical Python) ist eine Bibliothek für wissenschaftliches Rechnen in Python, die effiziente numerische Operationsfunktionen bereitstellt. In der Numpy-Bibliothek gibt es eine große Anzahl von Funktionen, die wir verwenden können. In diesem Artikel wird die Verwendung einiger allgemeiner Funktionen in der Numpy-Bibliothek detailliert analysiert und entsprechende Codebeispiele aufgeführt.

1. Array-Funktion erstellen

1. numpy.array-Funktion
   numpy.array-Funktion wird zum Erstellen eines Array-Objekts verwendet, das ein eindimensionales, zweidimensionales oder mehrdimensionales Array sein kann. Parameter können Listen, Tupel, Arrays usw. sein.
   Codebeispiel:

import numpy as np
# 创建一维数组
a = np.array([1, 2, 3, 4, 5])
print(a)

# 创建二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])
print(b)

# 创建多维数组
c = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
print(c)

2. numpy.zeros-Funktion
   numpy.zeros-Funktion wird verwendet, um ein Array aller Nullen zu erstellen, und die Form des Arrays kann angegeben werden.
   Codebeispiel:

import numpy as np
# 创建一个全为0的一维数组
a = np.zeros(5)
print(a)

# 创建一个全为0的二维数组
b = np.zeros((2, 3))
print(b)

3. numpy.ones-Funktion
   numpy.ones-Funktion wird verwendet, um ein Array aller Einsen zu erstellen, und die Form des Arrays kann ebenfalls angegeben werden.
   Codebeispiel:

import numpy as np
# 创建一个全为1的一维数组
a = np.ones(5)
print(a)

# 创建一个全为1的二维数组
b = np.ones((2, 3))
print(b)

2. Mathematische Funktion

1. numpy.sin-Funktion
   numpy.sin-Funktion wird verwendet, um den Sinuswert jedes Elements im Array zu berechnen.
   Codebeispiel:

import numpy as np
a = np.array([0, np.pi/2, np.pi])
b = np.sin(a)
print(b)

2. numpy.cos-Funktion
   numpy.cos-Funktion wird verwendet, um den Kosinus jedes Elements in einem Array zu berechnen.
   Codebeispiel:

import numpy as np
a = np.array([0, np.pi/2, np.pi])
b = np.cos(a)
print(b)

3. numpy.exp-Funktion
   numpy.exp-Funktion wird verwendet, um den Exponentialwert jedes Elements im Array zu berechnen.
   Codebeispiel:

import numpy as np
a = np.array([1, 2, 3])
b = np.exp(a)
print(b)

3. Statistische Funktion

1. numpy.mean-Funktion
   numpy.mean-Funktion wird verwendet, um den Durchschnitt jedes Elements im Array zu berechnen.
   Codebeispiel:

import numpy as np
a = np.array([1, 2, 3, 4, 5])
b = np.mean(a)
print(b)

2. numpy.max-Funktion
   numpy.max-Funktion wird verwendet, um den Maximalwert in einem Array zu berechnen.
   Codebeispiel:

import numpy as np
a = np.array([1, 2, 3, 4, 5])
b = np.max(a)
print(b)

3. numpy.min-Funktion
   numpy.min-Funktion wird verwendet, um den Mindestwert in einem Array zu berechnen.
   Codebeispiel:

import numpy as np
a = np.array([1, 2, 3, 4, 5])
b = np.min(a)
print(b)

4. Array-Operationsfunktion

1. numpy.reshape-Funktion
   numpy.reshape-Funktion wird verwendet, um die Form des Arrays zu ändern und kann das Array in die angegebene Anzahl von Zeilen und Spalten konvertieren.
   Codebeispiel:

import numpy as np
a = np.array([1, 2, 3, 4, 5, 6])
b = np.reshape(a, (2, 3))
print(b)

2. numpy.transpose-Funktion
   numpy.transpose-Funktion wird zum Transponieren eines Arrays verwendet.
   Codebeispiel:

import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.transpose(a)
print(b)

Die oben genannten sind nur einige der Funktionen in der Numpy-Bibliothek. Es gibt viele andere Funktionen, die für Array-Berechnungen, Statistiken, Operationen usw. verwendet werden können. Ich hoffe, dieser Artikel kann den Lesern helfen, die Funktionsliste in der Numpy-Bibliothek besser zu verstehen.

Das obige ist der detaillierte Inhalt vonUmfassende Analyse der Numpy-Bibliotheksfunktionen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!