NumPy Advanced: Mendedahkan Rahsia Operasi Data

Penyiaran dan fungsi umum

Penyiaran ialah konsep teras NumPy yang membolehkan melaksanakan operasi mengikut unsur pada skalar atau tatasusunan dengan tatasusunan lain yang berbeza bentuk. Fungsi universal (ufuncs) ialah fungsi pratakrif yang digunakan pada setiap elemen tatasusunan. Dengan menggabungkan siaran dan ufuncs, manipulasi data yang cekap dan ringkas boleh dicapai.

Contoh fungsi universal:

• Pendaraban vektor: np.multiply(A, B)
• Perbandingan elemen:np.greater(A, B)
• MathOperasi:np.sin(x)

Pengindeksan dan penghirisan lanjutan

Lanjutan Indeks dan penghirisan menyediakan akses data yang fleksibel melebihi pengindeksan standard. Pengindeksan Boolean memilih elemen yang memenuhi kriteria tertentu, manakala pengindeksan mewah dan penghirisan lanjutan membolehkan elemen pada berbilang paksi diindeks menggunakan tatasusunan atau senarai.

Contoh pengindeksan lanjutan:

• Indeks Boolean: A[A > 5]
• Indeks Fancy:A[np.array([0, 2, 4])]
• Penghirisan Lanjutan:A[::2, 1::2]

Pengagregatan dan pengurangan tatasusunan

Fungsi pengagregatan digunakan untuk mengumpulkan atau meringkaskan data dalam tatasusunan. Fungsi pengurangan mengurangkan elemen dalam tatasusunan kepada nilai skalar tunggal. Fungsi agregat biasa termasuk:

• Jumlah: np.sum()
• Purata: np.mean()
• Nilai maksimum: np.max()
• Nilai minimum: np.min()

Isih dengan nilai unik

isih menyusun elemen tatasusunan, manakala fungsi nilai unik mengembalikan set elemen unik dalam tatasusunan. Ciri-ciri ini sangat berguna untuk analisis data dan pembersihan data.

Isih contoh:

• Isih tatasusunan:np.sort(x)
• Isih mengikut paksi tertentu: np.sort(A, axis=1)

Contoh nilai unik:

• Cari nilai unik: np.unique(A)
• Kira nilai unik:np.unique(A, return_counts=True)

Gabungan penyiaran, pengindeksan lanjutan dan pengagregatan

Gabungkan penyiaran, pengindeksan lanjutan dan pengagregatan untuk mencapai operasi data yang kompleks. Contohnya, anda boleh menjumlahkan baris atau lajur tertentu dalam tatasusunan atau mengira elemen yang memenuhi syarat tertentu.

Contoh:

• Jumlah setiap lajur: np.sum(A, axis=0)
• Purata elemen indeks Boolean: np.mean(A[A > 5])

Pengoptimuman prestasi

Dengan memanfaatkan pemvektoran NumPy, penyiaran dan pelaksanaan asas yang cekap, anda boleh mengoptimumkanprestasi operasi data. Petua pengoptimuman prestasi lain termasuk:

• Elakkan membuat salinan yang tidak diperlukan
• Gunakan ungkapan tatasusunan dan bukannya gelung
• Menggunakan ufunc yang dioptimumkan NumPy

Ciri canggih lain

NumPy juga menyediakan ciri lanjutan lain, seperti:

• Siaran tatasusunan
• Indeks mewah
• Operasi algebra linear
• Penjanaan nombor rawak

Kes guna

Teknik lanjutan NumPy berguna dalam pelbagai aplikasi, termasuk:

• Analisis data dan perlombongan
• Pengkomputeran Saintifik
• Pemprosesan imej
• Pembelajaran Mesin

Atas ialah kandungan terperinci NumPy Advanced: Mendedahkan Rahsia Operasi Data. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!