Panduan ringkas untuk menggunakan fungsi numpy

Fungsi NumPy yang mudah digunakan, contoh kod khusus diperlukan

NumPy ialah perpustakaan pengkomputeran saintifik yang sangat biasa digunakan dalam Python Ia menyediakan pelbagai fungsi dan alatan untuk memproses tatasusunan dan matriks. Dalam artikel ini, kami akan memperkenalkan beberapa fungsi yang biasa digunakan dalam NumPy dan cara menggunakannya, serta menunjukkan fungsinya melalui contoh kod tertentu.

1. Buat tatasusunan

Menggunakan NumPy, anda boleh membuat pelbagai jenis tatasusunan dengan mudah. Berikut ialah beberapa cara biasa untuk mencipta tatasusunan:

1. Gunakan fungsi numpy.array untuk mencipta tatasusunan satu dimensi:

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

   Salin selepas log masuk

   Output:

   [1 2 3 4 5]

   Salin selepas log masuk

2. Gunakan fungsi numpy.zeros untuk mencipta tatasusunan yang elemennya semua 0:

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

   Salin selepas log masuk

   Output:

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

   Salin selepas log masuk

3. Gunakan fungsi numpy.ones untuk mencipta tatasusunan dengan semua elemen:

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

   Salin selepas log masuk

   Output:

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

   Salin selepas log masuk

4. Gunakan fungsi numpy.ones untuk mencipta identiti matrix

   reee. Output:

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

   Salin selepas log masuk

2.

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

Salin selepas log masuk

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)

1. Jenis data tatasusunan:

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

   Salin selepas log masuk

2. 3. Operasi tatasusunan
   NumPy menyediakan beberapa contoh tatasusunan🜎:
Berikut ialah beberapa contoh tatasusunan Penambahan dan jumlah tatasusunan Penolakan:

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

   Salin selepas log masuk

Pendaraban dan pembahagian tatasusunan:

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

   Salin selepas log masuk

Petak dua dan punca kuasa dua tatasusunan:

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]

Pendaraban matriks

dan menghiris daripada tatasusunan

1. Num Py Menyediakan fungsi yang berkuasa untuk mengakses elemen tatasusunan Berikut ialah beberapa contoh:

2. Indeks tatasusunan:

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

   Salin selepas log masuk

3. Slice of array:

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

   Salin selepas log masuk
operasi statik

4. P

   y menyediakan tatasusunan yang kaya Operasi statistik, berikut ialah beberapa contoh:

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]]

1. Kira nilai minimum dan maksimum tatasusunan:

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

   Salin selepas log masuk
2. Ringkasan:
   Artikel ini memperkenalkan NumPy Beberapa fungsi biasa dan kaedah operasi dalam perpustakaan, dan menunjukkan penggunaannya melalui contoh kod tertentu. Dengan mempelajari fungsi dan operasi ini, anda boleh lebih memahami dan menggunakan perpustakaan NumPy untuk pengkomputeran saintifik dan analisis data. Saya harap artikel ini dapat membantu anda mempelajari NumPy!

Atas ialah kandungan terperinci Panduan ringkas untuk menggunakan fungsi numpy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!