Rumah > pembangunan bahagian belakang > Tutorial Python > Ketahui lebih lanjut tentang penciptaan tatasusunan Numpy

Ketahui lebih lanjut tentang penciptaan tatasusunan Numpy

王林
Lepaskan: 2024-02-18 23:32:06
asal
817 orang telah melayarinya

Ketahui lebih lanjut tentang penciptaan tatasusunan Numpy

Penjelasan terperinci kaedah penciptaan tatasusunan Numpy

Numpy ialah salah satu perpustakaan pengkomputeran saintifik yang paling biasa digunakan dalam Python Ia menyediakan objek tatasusunan berbilang dimensi yang berkuasa dan boleh melakukan pengiraan berangka dan analisis data dengan cekap. Apabila menggunakan Numpy, operasi yang paling biasa ialah mencipta tatasusunan. Artikel ini akan memperkenalkan kaedah penciptaan tatasusunan dalam Numpy secara terperinci dan memberikan contoh kod tertentu.

  1. Buat tatasusunan menggunakan fungsi tatasusunan()
    Cara paling mudah untuk mencipta tatasusunan ialah menggunakan fungsi tatasusunan(). Fungsi ini boleh menerima jujukan (senarai, tuple, dll.) sebagai input dan menukarnya kepada tatasusunan Numpy. Berikut ialah kod contoh untuk mencipta tatasusunan:
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
Salin selepas log masuk

Hasil keluaran:

[1 2 3 4 5]
Salin selepas log masuk
  1. Gunakan fungsi arange() dan reshape() untuk mencipta tatasusunan
    Numpy menyediakan fungsi arange() untuk menjana jujukan, yang kemudian boleh digunakan untuk membentuk semula() Fungsi menyusun semula jujukan ke dalam tatasusunan bentuk yang ditentukan. Berikut ialah contoh kod untuk mencipta tatasusunan dua dimensi:
import numpy as np
arr = np.arange(1, 10).reshape(3, 3)
print(arr)
Salin selepas log masuk

Hasil keluaran:

[[1 2 3]
 [4 5 6]
 [7 8 9]]
Salin selepas log masuk
  1. Gunakan fungsi sifar() dan one() untuk mencipta tatasusunan
    Anda boleh menggunakan fungsi sifar() untuk mencipta tatasusunan semua-0 bentuk tertentu, atau gunakan satu () fungsi mencipta tatasusunan semua-1 bentuk yang ditentukan. Berikut ialah contoh kod untuk mencipta tatasusunan 3x3 semua 0s dan tatasusunan 2x2 semua 1s:
import numpy as np
zeros_arr = np.zeros((3, 3))
ones_arr = np.ones((2, 2))
print(zeros_arr)
print(ones_arr)
Salin selepas log masuk

Hasil keluaran:

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

[[1. 1.]
 [1. 1.]]
Salin selepas log masuk
  1. Gunakan fungsi mata() untuk mencipta matriks identiti
    Matriks identiti bermaksud bahawa unsur-unsur pada pepenjuru utama adalah semua 1 , matriks di mana semua unsur lain adalah 0. Anda boleh menggunakan fungsi eye() untuk mencipta matriks identiti dengan saiz yang ditentukan. Berikut ialah kod sampel untuk mencipta matriks identiti 3x3:
import numpy as np
identity_arr = np.eye(3)
print(identity_arr)
Salin selepas log masuk

Hasil keluaran:

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
Salin selepas log masuk
  1. Mencipta tatasusunan rawak menggunakan modul rawak
    Modul rawak Numpy menyediakan pelbagai kaedah untuk menjana tatasusunan rawak. Berikut ialah kod sampel untuk mencipta tatasusunan rawak bagi bentuk yang ditentukan:
import numpy as np
random_arr = np.random.random((2, 2))
print(random_arr)
Salin selepas log masuk

Hasil keluaran:

[[0.85762307 0.69308004]
 [0.97905721 0.53119603]]
Salin selepas log masuk

Selain kaedah di atas, Numpy juga menyediakan cara untuk mencipta tatasusunan daripada fail, rentetan, dsb., juga sebagai mencipta yang baharu dengan menyalin tatasusunan sedia ada kaedah Tatasusunan. Mengikut keperluan khusus dan sumber data, memilih kaedah yang sesuai untuk mencipta tatasusunan boleh membantu kami melaksanakan pengiraan berangka dan analisis data dengan lebih cekap.

Artikel ini memperincikan kaedah penciptaan tatasusunan yang biasa digunakan dalam Numpy dan memberikan contoh kod khusus. Dengan mempelajari kaedah ini, kami boleh mencipta tatasusunan Numpy dengan lebih fleksibel dan menerapkannya pada pelbagai tugas pengkomputeran saintifik dan analisis data. Saya harap artikel ini dapat membantu pembaca lebih memahami dan menggunakan perpustakaan Numpy.

Atas ialah kandungan terperinci Ketahui lebih lanjut tentang penciptaan tatasusunan 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