Python의 numpy에서 일반적으로 사용되는 함수에 대한 자세한 소개

이 글은 Python의 numpy에서 일반적으로 사용되는 함수에 대해 자세히 소개합니다. 이는 특정 참조 가치가 있으므로 도움이 필요한 친구에게 도움이 되기를 바랍니다.

Numpy는 Python의 과학 컴퓨팅과 관련된 라이브러리입니다. 이 기사에서는 numpy를 사용하기 전에 소개해야 하는 몇 가지 기능을 소개합니다. 일반적으로 numpy를 np로 단순화합니다.

1.np.arange(n): 0에서 n-1까지의 정수를 생성합니다.

2.a.reshape(m,n): a를 m개의 행과 n개의 열이 있는 행렬로 재정의합니다.

3.a.shape: a의 행과 열을 인쇄합니다.

4.a.ndim: a의 차원을 구합니다.

5.a.size: a의 요소 수를 출력합니다.

6.np.zeros((m,n)): m개의 행과 n개의 열로 구성된 영 행렬을 생성합니다. 튜플이 함수에 전달되어야 한다는 점에 유의해야 합니다. 이때 생성된 행렬 0은 시스템 기본 데이터 타입이 부동소수점(floating point)이기 때문에 뒤에 소수점이 붙는다.

7.np.ones((k,m,n),dtype=np.int32): m개의 행과 n개의 열로 구성된 k 단위 행렬을 생성하며 행렬의 데이터 유형은 정수입니다.

8.np.arange(m,n,k): 단계 크기 k를 사용하여 m에서 n으로 슬라이스된 데이터를 생성합니다.

9.np.linspace(m,n,k): m부터 n까지의 데이터에서 동일한 간격으로 k개의 값을 가져옵니다.

10. A와 B가 동일한 차원의 행렬인 경우 A*B는 A와 B 행렬의 해당 위치를 곱한 결과인 A.dot(B) 또는 np.dot( A, B) 반환되는 것은 행렬 곱셈의 결과입니다.

11.np.exp(A) 또는 np.sqrt(B): e의 B 거듭제곱과 행렬 B의 각 숫자의 제곱근을 각각 구합니다.

12.np.floor(): 반올림합니다.

13.a.ravel(): 행렬 a를 벡터로 다시 늘입니다. 늘린 후 새 행렬로 모양을 바꿀 수 있습니다.

14.a.T: a의 전치 행렬을 구합니다.

15.a.reshape(n,-1) 또는 a.reshape(-1,n): 행렬의 행(열)을 결정한 후 해당 열(행)도 직접 결정하므로 -1을 입력합니다. 그게 캔이에요.

16.np.hstack((a,b)): 행렬 a와 b를 가로로 결합합니다.

17.np.vstack((a,b)): 행렬 a와 b를 수직으로 접합합니다.

18.np.hsplit(a,n): 행렬 a를 측면에서 n 부분으로 자릅니다.

19.np.hsplit(a,(m,n)): a의 인덱스 m과 n 사이의 간격을 가로로 자릅니다.

20.np.vsplit(a,n): 행렬 a를 수직으로 n 부분으로 자릅니다.

21.np.hsplit(a,(m,n)): a의 인덱스 m과 n 사이의 간격을 세로로 자릅니다.

22. 행렬의 복사본:

b = a: 이때 얻은 b와 a의 주소는 완전히 동일합니다. 즉, a와 b는 단지 다른 이름일 뿐입니다. 동일한 행렬이 어떤 행렬에서든 작동하면 다른 행렬에서도 동일한 변화가 발생합니다.

b = a.view(): 이때 얻은 b의 주소는 a의 주소와 다르지만 b에 대한 연산을 수행하면 a가 변경됩니다.

b = a.copy(): 이때 얻는 것은 두 개의 완전히 독립된 행렬입니다.

23.b = np.tile(a,(m,n)): 행렬 a의 행 수를 m배로 확장하고 열 수를 n배로 확장합니다.

24.np.sort(a, axis=k): k 차원에서 행렬 a를 정렬합니다.

25.np.argsort(a): a의 인덱스 값을 오름차순으로 반환합니다(기본 배열은 오름차순입니다).

위 내용은 Python의 numpy에서 일반적으로 사용되는 함수에 대한 자세한 소개의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!