Teknik penciptaan tatasusunan numpy dan panduan praktikal untuk aplikasi

Petua dan Panduan Aplikasi Penciptaan Array Numpy

Numpy ialah perpustakaan yang berkuasa dalam Python, digunakan secara meluas dalam bidang seperti pengkomputeran saintifik, analisis data dan pembelajaran mesin. Dalam Numpy, struktur data paling asas ialah tatasusunan berbilang dimensi, juga dipanggil ndarray. Artikel ini akan memperkenalkan beberapa teknik untuk mencipta tatasusunan Numpy dan menyediakan contoh kod khusus untuk membantu pembaca memahami dan menggunakan tatasusunan Numpy dengan lebih baik.

1. Penciptaan tatasusunan Numpy

1. Penciptaan menggunakan senarai

Cara paling mudah untuk mencipta tatasusunan Numpy ialah menggunakan senarai Python. Senarai boleh ditukar kepada tatasusunan Numpy dengan menghantar senarai ke fungsi numpy.array().

import numpy as np

# 创建一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)
# 输出：[1 2 3 4 5]

# 创建二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2)
# 输出：
# [[1 2 3]
#  [4 5 6]]

2. Buat menggunakan fungsi julat

Numpy menyediakan satu siri fungsi julat untuk mencipta tatasusunan Numpy dengan mudah dengan julat dan selang tertentu.

import numpy as np

# 创建一维等差数列数组
arr3 = np.arange(0, 10, 2)
print(arr3)
# 输出：[0 2 4 6 8]

# 创建一维等间隔数列数组
arr4 = np.linspace(0, 1, 5)
print(arr4)
# 输出：[0.   0.25 0.5  0.75 1.  ]

3. Buat menggunakan fungsi rawak

Apabila anda perlu mencipta tatasusunan Numpy dengan nombor rawak, anda boleh menggunakan fungsi rawak Numpy.

import numpy as np

# 创建具有随机整数的一维数组
arr5 = np.random.randint(0, 10, 5)
print(arr5)
# 输出：[8 6 3 9 1]

# 创建具有随机浮点数的二维数组
arr6 = np.random.rand(2, 3)
print(arr6)
# 输出：
# [[0.61723063 0.25061847 0.76613935]
#  [0.96519743 0.45027448 0.62479021]]

2. Aplikasi tatasusunan Numpy

1. Transformasi bentuk tatasusunan

Tatasusunan Numpy menyediakan beberapa fungsi untuk melaraskan bentuk tatasusunan, termasuk operasi seperti mengubah dimensi tatasusunan, mengubah tatasusunan dan membentuk semula tatasusunan.

import numpy as np

# 变换数组形状
arr7 = np.arange(12).reshape(3, 4)
print(arr7)
# 输出：
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

# 转置数组
arr8 = arr7.T
print(arr8)
# 输出：
# [[ 0  4  8]
#  [ 1  5  9]
#  [ 2  6 10]
#  [ 3  7 11]]

# 重塑数组形状
arr9 = np.arange(12).reshape(2, 2, 3)
print(arr9)
# 输出：
# [[[ 0  1  2]
#   [ 3  4  5]]
#  [[ 6  7  8]
#   [ 9 10 11]]]

2. Operasi elemen tatasusunan

Tatasusunan numpy menyokong operasi pada elemen tatasusunan satu demi satu, seperti akses kedudukan, penghirisan, pengurangan dimensi dan penyambungan, dsb.

import numpy as np

# 访问单个数组元素
arr10 = np.array([1, 2, 3, 4, 5])
print(arr10[2])
# 输出：3

# 对数组进行切片操作
arr11 = np.array([1, 2, 3, 4, 5])
print(arr11[1:4])
# 输出：[2 3 4]

# 降维数组
arr12 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr12.flatten())
# 输出：[1 2 3 4 5 6]

# 数组拼接
arr13 = np.array([1, 2, 3])
arr14 = np.array([4, 5, 6])
print(np.concatenate((arr13, arr14)))
# 输出：[1 2 3 4 5 6]

Di atas hanyalah beberapa petua dan contoh aplikasi untuk penciptaan tatasusunan Numpy Terdapat lebih banyak operasi dan fungsi untuk dipilih dalam aplikasi sebenar. Kemahiran dalam penciptaan dan pengendalian tatasusunan Numpy akan memberi manfaat yang besar kepada pemprosesan data dan tugasan analisis. Saya berharap agar pengenalan artikel ini dapat memberikan sedikit bantuan dan bimbingan kepada pembaca.

Ringkasan:

• Numpy ialah perpustakaan yang berkuasa dalam Python, digunakan untuk tugas seperti pengkomputeran saintifik, analisis data dan pembelajaran mesin.
• Tatasusunan numpy boleh dibuat menggunakan senarai, fungsi julat dan fungsi rawak.
• Tatasusunan numpy menyediakan pelbagai fungsi operasi, termasuk transformasi bentuk tatasusunan dan operasi elemen tatasusunan.
• Menjadi mahir dalam penciptaan dan pengendalian tatasusunan Numpy akan memberi manfaat besar kepada pemprosesan data dan tugasan analisis.

Atas ialah kandungan terperinci Teknik penciptaan tatasusunan numpy dan panduan praktikal untuk aplikasi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!