numpy 함수 및 용도의 전체 목록: numpy 라이브러리의 모든 함수에 대한 자세한 설명-파이썬 튜토리얼-php.cn

numpy 함수 및 용도의 전체 목록: numpy 라이브러리의 모든 함수에 대한 자세한 설명

王林

풀어 주다： 2024-01-26 11:02:16

원래의

904명이 탐색했습니다.

numpy 함수 및 용도의 전체 목록: numpy 라이브러리의 모든 함수에 대한 자세한 설명

numpy 함수 백과사전: numpy 라이브러리의 모든 함수와 그 용도에 대한 자세한 설명, 구체적인 코드 예제가 필요합니다.

소개:
데이터 분석 및 과학 컴퓨팅 분야에서는 대규모 처리가 필요한 경우가 많습니다. 수치 데이터. Numpy는 Python에서 가장 일반적으로 사용되는 오픈 소스 라이브러리로, 효율적인 다차원 배열 객체와 배열 작동을 위한 일련의 함수를 제공합니다. 이 기사에서는 numpy 라이브러리의 모든 기능과 그 용도를 자세히 소개하고 독자가 numpy 라이브러리를 더 잘 이해하고 사용할 수 있도록 구체적인 코드 예제를 제공합니다.

1. 배열 생성 및 변환

np.array(): 배열을 만들고 입력 데이터를 ndarray 객체로 변환합니다.

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr)

로그인 후 복사

출력 결과는 다음과 같습니다.

[1 2 3 4 5]

로그인 후 복사

np.arange(): 산술 배열을 만듭니다.

import numpy as np

arr = np.arange(0, 10, 2)
print(arr)

로그인 후 복사

출력 결과는 다음과 같습니다.

[0 2 4 6 8]

로그인 후 복사

np.zeros(): 모든 요소가 0인 배열을 만듭니다.

import numpy as np

arr = np.zeros((2, 3))
print(arr)

로그인 후 복사

출력 결과는 다음과 같습니다.

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

로그인 후 복사

np.ones(): 모든 요소가 1인 배열을 만듭니다.

import numpy as np

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

로그인 후 복사

출력 결과는 다음과 같습니다.

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

로그인 후 복사

np.linspace(): 균등한 간격의 배열을 만듭니다.

import numpy as np

arr = np.linspace(0,1,5)
print(arr)

로그인 후 복사

출력 결과는 다음과 같습니다.

[0.   0.25 0.5  0.75 1.  ]

로그인 후 복사

np.eye(): 대각선이 1인 행렬을 만듭니다.

import numpy as np

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

로그인 후 복사

출력 결과는 다음과 같습니다.

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

로그인 후 복사

2. 배열 작업 및 작업

Array 모양 작업

np.reshape(): 배열의 모양을 변경합니다.

import numpy as np

arr = np.arange(1, 10)
arr_reshape = np.reshape(arr, (3, 3))
print(arr_reshape)

로그인 후 복사

출력 결과는 다음과 같습니다.

[[1 2 3]
 [4 5 6]
 [7 8 9]]

로그인 후 복사

arr.Flatten(): 다차원 배열을 1차원 배열로 변환합니다.

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
arr_flatten = arr.flatten()
print(arr_flatten)

로그인 후 복사

출력 결과는 다음과 같습니다.

[1 2 3 4 5 6]

로그인 후 복사

Element Operation of array

np.sort(): 배열의 요소를 정렬합니다.

import numpy as np

arr = np.array([3, 1, 5, 2, 4])
arr_sorted = np.sort(arr)
print(arr_sorted)

로그인 후 복사

출력 결과는 다음과 같습니다.

[1 2 3 4 5]

로그인 후 복사

np.argmax(): 배열에서 가장 큰 요소의 인덱스를 반환합니다.

import numpy as np

arr = np.array([3, 1, 5, 2, 4])
max_index = np.argmax(arr)
print(max_index)

로그인 후 복사

출력 결과는 다음과 같습니다.

로그인 후 복사

Array Operations

np.add(): 두 개의 배열을 추가합니다.

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
result = np.add(arr1, arr2)
print(result)

로그인 후 복사

출력 결과는 다음과 같습니다.

[5 7 9]

로그인 후 복사

np.dot(): 두 배열의 점 곱셈입니다.

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
result = np.dot(arr1, arr2)
print(result)

로그인 후 복사

출력 결과는 다음과 같습니다.

로그인 후 복사

3. 통계 함수 및 선형 대수 함수

통계 함수

np.mean(): 배열의 평균을 계산합니다.

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
mean = np.mean(arr)
print(mean)

로그인 후 복사

출력 결과는 다음과 같습니다.

3.0

로그인 후 복사

np.std(): 배열의 표준 편차를 계산합니다.

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
std = np.std(arr)
print(std)

로그인 후 복사

출력 결과는 다음과 같습니다.

1.4142135623730951

로그인 후 복사

선형 대수 함수

np.linalg.det(): 행렬의 행렬식을 계산합니다.

import numpy as np

matrix = np.array([[1, 2], [3, 4]])
det = np.linalg.det(matrix)
print(det)

로그인 후 복사

출력 결과는 다음과 같습니다.

-2.0000000000000004

로그인 후 복사

np.linalg.inv(): 행렬의 역행렬을 계산합니다.

import numpy as np

matrix = np.array([[1, 2], [3, 4]])
inv = np.linalg.inv(matrix)
print(inv)

로그인 후 복사

출력 결과는 다음과 같습니다.

[[-2.   1. ]
 [ 1.5 -0.5]]

로그인 후 복사

4. 보조 기능 및 일반 기능

보조 기능

np.loadtxt(): 텍스트 파일에서 데이터를 로드합니다.

import numpy as np

arr = np.loadtxt('data.txt')
print(arr)

로그인 후 복사

np.savetxt(): 데이터를 텍스트 파일에 저장합니다.

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
np.savetxt('data.txt', arr)

로그인 후 복사

범용 함수

np.sin(): 배열 요소의 사인 값을 계산합니다.

import numpy as np

arr = np.array([0, np.pi / 2, np.pi])
sin_val = np.sin(arr)
print(sin_val)

로그인 후 복사

출력 결과는 다음과 같습니다.

[0.         1.         1.2246468e-16]

로그인 후 복사

np.exp(): 배열에 있는 요소의 지수 값을 계산합니다.

import numpy as np

arr = np.array([1, 2, 3])
exp_val = np.exp(arr)
print(exp_val)

로그인 후 복사

출력 결과는 다음과 같습니다.

[ 2.71828183  7.3890561  20.08553692]

로그인 후 복사

이 기사에서는 numpy 라이브러리의 기능 중 일부만 보여 주며, numpy에는 더 강력한 기능이 있습니다. 독자들이 실제 프로그래밍에서 numpy 라이브러리의 기능을 유연하게 활용하여 데이터 처리의 효율성과 정확성을 높일 수 있기를 바랍니다.

위 내용은 numpy 함수 및 용도의 전체 목록: numpy 라이브러리의 모든 함수에 대한 자세한 설명의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!