Rumah > pembangunan bahagian belakang > Tutorial Python > Analisis mendalam tentang fungsi dan aplikasi fungsi numpy

Analisis mendalam tentang fungsi dan aplikasi fungsi numpy

WBOY
Lepaskan: 2024-01-03 15:59:46
asal
690 orang telah melayarinya

Analisis mendalam tentang fungsi dan aplikasi fungsi numpy

Analisis mendalam tentang fungsi dan kegunaan fungsi NumPy

NumPy (Numerical Python) ialah perpustakaan Python sumber terbuka untuk pengkomputeran saintifik. Ia menyediakan pemprosesan tatasusunan yang cekap dan dilengkapi dengan banyak fungsi dan alatan matematik yang mudah. Artikel ini akan menyediakan analisis mendalam tentang fungsi dan penggunaan beberapa fungsi biasa NumPy dan menyediakan contoh kod khusus.

  1. Mencipta Tatasusunan

NumPy menyediakan pelbagai kaedah untuk mencipta tatasusunan. Ini termasuk menggunakan fungsi array函数、arange函数和zeros, dsb. Berikut ialah beberapa contoh mencipta tatasusunan:

import numpy as np

# 使用array函数,将列表转换为数组
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)

# 使用arange函数,创建一个从0到9的数组
arr2 = np.arange(10)
print(arr2)

# 使用zeros函数,创建一个元素全为0的3x3数组
arr3 = np.zeros((3, 3))
print(arr3)
Salin selepas log masuk
  1. Operasi tatasusunan

NumPy menyediakan banyak fungsi untuk operasi antara tatasusunan. Fungsi ini termasuk penambahan, penolakan, pendaraban, pembahagian, dll. Berikut ialah beberapa contoh operasi tatasusunan:

import numpy as np

# 加法
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print(arr1 + arr2)

# 减法
arr3 = np.array([7, 8, 9])
print(arr2 - arr3)

# 乘法
print(arr1 * arr2)

# 除法
print(arr2 / arr3)
Salin selepas log masuk
  1. Statistik tatasusunan

NumPy menyediakan set fungsi statistik yang kaya untuk mengira pelbagai penunjuk statistik tatasusunan. Fungsi ini termasuk jumlah, min, sisihan piawai, maksimum, dsb. Berikut ialah beberapa contoh fungsi statistik:

import numpy as np

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

# 求和
print(np.sum(arr))

# 平均值
print(np.mean(arr))

# 标准差
print(np.std(arr))

# 最大值
print(np.max(arr))
Salin selepas log masuk
  1. Penghirisan tatasusunan

NumPy membenarkan operasi penghirisan pada tatasusunan untuk mendapatkan bahagian atau subset tatasusunan. Operasi menghiris menggunakan titik bertindih (:) untuk menentukan julat. Berikut ialah beberapa contoh penghirisan tatasusunan:

import numpy as np

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

# 获取数组的前三个元素
print(arr[:3])

# 获取数组的第三个到最后一个元素
print(arr[2:])

# 获取数组的第二个和第四个元素
print(arr[1:4:2])
Salin selepas log masuk
  1. Operasi tatasusunan berbilang dimensi

NumPy boleh mencipta dan memanipulasi tatasusunan berbilang dimensi. Tatasusunan berbilang dimensi boleh menjadi dua dimensi, tiga dimensi, atau bahkan lebih tinggi. Berikut ialah beberapa contoh operasi tatasusunan berbilang dimensi:

import numpy as np

# 创建一个3x3的二维数组
arr1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr1)

# 计算二维数组的行和列的和
print(np.sum(arr1, axis=0))  # 列和
print(np.sum(arr1, axis=1))  # 行和

# 创建一个3x3x3的三维数组
arr2 = np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9]], [[10, 11, 12], [13, 14, 15], [16, 17, 18]], [[19, 20, 21], [22, 23, 24], [25, 26, 27]]])
print(arr2)

# 获取三维数组的第一个二维数组
print(arr2[0])
Salin selepas log masuk

Ringkasnya, NumPy menyediakan fungsi dan alatan yang kaya untuk menangani tatasusunan, dan menyediakan banyak fungsi dan operasi matematik yang mudah. Dengan menguasai penggunaan fungsi ini, kecekapan dan kemudahan pemprosesan tatasusunan boleh dipertingkatkan dengan banyak. Di atas hanyalah sebahagian kecil daripada fungsi dan kegunaan dalam NumPy Saya harap ia akan membantu pembelajaran dan amalan pembaca.

Atas ialah kandungan terperinci Analisis mendalam tentang fungsi dan aplikasi fungsi numpy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan