Zusammenfassung der Numpy-Funktionen: Liste häufig verwendeter Funktionen und Funktionen

Numpy-Funktionshandbuch: Ein Überblick über häufig verwendete Funktionen und ihre Funktionen in der Numpy-Bibliothek. Spezifische Codebeispiele sind erforderlich.

Einführung:
NumPy ist eine Kernbibliothek für wissenschaftliches Rechnen in Python, die eine große Anzahl effizienter Arrays bereitstellt Betriebsfunktionen und Werkzeug. Es wird häufig in Bereichen wie Datenverarbeitung, numerischer Berechnung und maschinellem Lernen eingesetzt. In diesem Artikel werden einige häufig verwendete NumPy-Funktionen sowie deren spezifische Funktionen und Verwendung vorgestellt und entsprechende Codebeispiele bereitgestellt.

1. Funktion zum Erstellen eines Arrays

1. numpy.array()
   numpy.array() wird zum Erstellen eines Arrays verwendet. Kann eine Liste, ein Tupel, eine Zahl oder ein anderes Array verwenden und ein Array mit einer bestimmten Form und einem bestimmten Datentyp erstellen.

Codebeispiel:
numpy als np importieren

Ein eindimensionales Array erstellen

a = np.array([1, 2, 3])
print(a) # Ausgabe: [1 2 3]

Erstellen Sie ein zweidimensionales Array

b = np.array([[1, 2, 3], [4, 5, 6]])
print(b)
'''
Ausgabe:
[[1 2 3 ]
[4 5 6]]
'''

2. numpy.zeros()
   numpy.zeros()-Funktion wird verwendet, um ein Array einer bestimmten Größe zu erstellen und die Array-Elemente auf 0 zu initialisieren.

Codebeispiel:
numpy als np importieren

Erstellen Sie ein 3x3-Array aller Nullen

a = np.zeros((3, 3))
print(a)
'''
Ausgabe:
[[0 . 0. 0.]
[0. 0. 0.]]
'''

numpy.ones()
3. numpy.ones() wird verwendet, um eine angegebene Funktion zu erstellen Größe des Arrays und initialisieren Sie die Array-Elemente auf 1.
   

Codebeispiel:

numpy als np importieren

Erstellen Sie ein 2x2-Array aller Einsen

a = np.ones((2, 2))

print(a)
'''
Ausgabe:
[[1 . 1.]
[1. 1.]]
'''

2. Array-Operationsfunktionen

numpy.shape()
1. numpy.shape() wird verwendet, um die Form des Arrays zu erhalten.
   

Codebeispiel:

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])

print(arr.shape) # Ausgabe: (2, 3) Die Funktion

numpy.reshape()
2. numpy.reshape() wird verwendet, um die Form des Arrays zu ändern.
   

Codebeispiel:

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6])

res = arr.reshape((2, 3))
print(res )
'''
Ausgabe:
[[1 2 3]
[4 5 6]]
'''

numpy.concatenate()
3. numpy.concatenate()-Funktion wird verwendet, um zwei oder mehr Arrays zu verbinden zusammen entlang der angegebenen Achse.
   

Codebeispiel:

import numpy as np

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

b = np.array([[5, 6]])
res = np.concatenate((a, b), axis=0)
print(res)
'''
Ausgabe:
[[1 2]
[3 4]
[5 6]]
'''

3. Mathematische Operationsfunktionen

numpy.add()
1. numpy.add()-Funktion wird verwendet, um eine elementweise Addition zweier Arrays durchzuführen.
   

Codebeispiel:

numpy als np importieren

a = np.array([1, 2, 3])

b = np.array([4, 5, 6])
res = np.add(a , b)
print(res) # Ausgabe: [5 7 9]

numpy.subtract()
2. numpy.subtract()-Funktion wird verwendet, um eine elementweise Subtraktion zweier Arrays durchzuführen.
   

Codebeispiel:

numpy als np importieren

a = np.array([4, 5, 6])

b = np.array([1, 2, 3])
res = np.subtract(a , b)
print(res) # Ausgabe: [3 3 3]

numpy.dot()
3. numpy.dot()-Funktion wird verwendet, um das Skalarprodukt zweier Arrays zu berechnen.
   

Codebeispiel:

numpy als np importieren

a = np.array([1, 2, 3])

b = np.array([4, 5, 6])
res = np.dot(a , b)
print(res) # Ausgabe: 32

Fazit:

Dieser Artikel stellt einige häufig verwendete NumPy-Funktionen, ihre Funktionen und Verwendung vor und bietet entsprechende Codebeispiele. Mit diesen Funktionen können wir ganz einfach Arrays erstellen, Array-Operationen durchführen und mathematische Operationen durchführen. NumPy spielt eine wichtige Rolle im wissenschaftlichen Rechnen. Ich hoffe, dass dieser Artikel den Lesern helfen kann, NumPy zu erlernen und zu verwenden.

Referenzmaterialien:

1. „Offizielle Dokumentation von NumPy“, https://numpy.org/doc/
2 „Nutzung der Python Scientific Computing Library NumPy“, https://www.runoob.com/numpy/ numpy -tutorial.html

Das obige ist der detaillierte Inhalt vonZusammenfassung der Numpy-Funktionen: Liste häufig verwendeter Funktionen und Funktionen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!