Eine kurze Anleitung zur Verwendung von Numpy-Funktionen

Einfache und leicht verständliche Verwendung von NumPy-Funktionen, spezifische Codebeispiele sind erforderlich.

NumPy ist eine sehr häufig verwendete wissenschaftliche Computerbibliothek in Python. Sie bietet eine Fülle von Funktionen und Werkzeugen zur Verarbeitung von Arrays und Matrizen. In diesem Artikel stellen wir einige häufig verwendete Funktionen in NumPy und deren Verwendung vor und demonstrieren ihre Funktionen anhand spezifischer Codebeispiele.

1. Arrays erstellen

Mit NumPy können Sie ganz einfach verschiedene Arten von Arrays erstellen. Hier sind mehrere gängige Methoden zum Erstellen von Arrays:

1. Verwenden Sie die Funktion numpy.array, um ein eindimensionales Array zu erstellen:

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

   Nach dem Login kopieren

   Ausgabe:

   [1 2 3 4 5]

   Nach dem Login kopieren

2. Verwenden Sie die Funktion numpy.zeros, um ein Array aus allen Nullen zu erstellen :

   b = np.zeros((3, 4))
   print(b)

   Nach dem Login kopieren

   Ausgabe:

   [[0. 0. 0. 0.]
    [0. 0. 0. 0.]
    [0. 0. 0. 0.]]

   Nach dem Login kopieren

3. Verwenden Sie die Funktion numpy.ones, um ein Array mit allen Elementen zu erstellen:

   c = np.ones((2, 3))
   print(c)

   Nach dem Login kopieren

   Ausgabe:

   [[1. 1. 1.]
    [1. 1. 1.]]

   Nach dem Login kopieren

4. Verwenden Sie die Funktion numpy.eye, um eine Identitätsmatrix zu erstellen:

   d = np.eye(3)
   print(d)

   Nach dem Login kopieren

   Ausgabe:

   [[1. 0. 0.]
    [0. 1. 0.]
    [0. 0. 1.]]

   Nach dem Login kopieren

2. Array-Attribute und Grundoperationen

NumPy-Arrays haben einige häufig verwendete Attribute und Grundoperationen:

1. Form des Arrays:

   print(a.shape)  # 输出(5,)
   print(b.shape)  # 输出(3, 4)
   print(c.shape)  # 输出(2, 3)
   print(d.shape)  # 输出(3, 3)

   Nach dem Login kopieren

2. Abmessungen des Arrays:

   print(a.ndim)  # 输出1
   print(b.ndim)  # 输出2
   print(c.ndim)  # 输出2
   print(d.ndim)  # 输出2

   Nach dem Login kopieren

3. Anzahl der Elemente im Array:

   print(a.size)  # 输出5
   print(b.size)  # 输出12
   print(c.size)  # 输出6
   print(d.size)  # 输出9

   Nach dem Login kopieren

4. Datentyp des Arrays:

   print(a.dtype)  # 输出int64
   print(b.dtype)  # 输出float64
   print(c.dtype)  # 输出float64
   print(d.dtype)  # 输出float64

   Nach dem Login kopieren

3. Array-Operationen

NumPy bietet eine Fülle von Array-Operationen:

1. Addition und Summe von Arrays Subtraktion:

   x = np.array([1, 2, 3])
   y = np.array([4, 5, 6])
   
   print(x + y)  # 输出[5 7 9]
   print(x - y)  # 输出[-3 -3 -3]

   Nach dem Login kopieren

2. Multiplikation und Division von Arrays:

   print(x * y)  # 输出[4 10 18]
   print(x / y)  # 输出[0.25 0.4  0.5 ]

   Nach dem Login kopieren

3. Quadrat und Quadratwurzel von Arrays:

   print(np.square(x))  # 输出[1 4 9]
   print(np.sqrt(y))  # 输出[2. 2.236 2.449]

   Nach dem Login kopieren

4. Matrixmultiplikation von Arrays:

   a = np.array([[1, 2], [3, 4]])
   b = np.array([[5, 6], [7, 8]])
   
   print(np.dot(a, b))  # 输出[[19 22] [43 50]]

   Nach dem Login kopieren

4. Indizierung und Slicing von Arrays

Num Py Bietet leistungsstarke Funktionen für den Zugriff auf Array-Elemente:

1. Index des Arrays:

   a = np.array([1, 2, 3, 4, 5])
   
   print(a[0])  # 输出1
   print(a[-1])  # 输出5

   Nach dem Login kopieren

2. Slice des Arrays:

   b = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
   
   print(b[0])  # 输出[1 2 3 4]
   print(b[:, 0])  # 输出[1 5 9]
   print(b[1:3, 1:3])  # 输出[[6 7] [10 11]]

   Nach dem Login kopieren

5. Statistische Operationen auf Arrays, die

NumPy bietet a Reichhaltiges Array von Arrays. Statistische Operationen, hier einige Beispiele:

1. Berechnen Sie die Summe, den Mittelwert und die Standardabweichung eines Arrays:

   a = np.array([1, 2, 3, 4, 5])
   
   print(np.sum(a))  # 输出15
   print(np.mean(a))  # 输出3.0
   print(np.std(a))  # 输出1.41421356

   Nach dem Login kopieren

2. Berechnen Sie die minimalen und maximalen Werte eines Arrays:

   b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
   
   print(np.min(b))  # 输出1
   print(np.max(b))  # 输出9

   Nach dem Login kopieren

Zusammenfassung:

In diesem Artikel werden einige gängige Funktionen und Betriebsmethoden von NumPy in der Bibliothek vorgestellt und deren Verwendung anhand spezifischer Codebeispiele demonstriert. Durch das Erlernen dieser Funktionen und Operationen können Sie die NumPy-Bibliothek besser verstehen und für wissenschaftliche Berechnungen und Datenanalysen anwenden. Ich hoffe, dieser Artikel kann Ihnen beim Erlernen von NumPy helfen!

Das obige ist der detaillierte Inhalt vonEine kurze Anleitung zur Verwendung von Numpy-Funktionen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!