Numpy: ein leistungsstarkes Tool zum effizienten Aufbau von Arrays

Numpy: Ein leistungsstarkes Tool zum schnellen Erstellen von Arrays.

Numpy (Numerical Python) ist eine der am häufigsten verwendeten wissenschaftlichen Rechenbibliotheken in Python. Sie bietet effiziente mehrdimensionale Array-Objekte und entsprechende Operationsfunktionen, die umfangreiche Funktionen ausführen können. Skalierungsdatenoperationen und ist auch die Grundlage für viele andere wissenschaftliche Computerbibliotheken. In Bereichen wie Datenwissenschaft, maschinellem Lernen und Deep Learning sind die effizienten Array-Operationen von Numpy unverzichtbar, und die Verwendung von Numpy zum schnellen Erstellen von Arrays ist eine seiner wichtigen Funktionen.

Numpy bietet eine Vielzahl von Methoden zum Erstellen von Arrays. Im Folgenden sind einige häufig verwendete Methoden sowie spezifische Codebeispiele aufgeführt.

1. Erstellen Sie ein Array mithilfe einer Python-Liste.
   Verwenden Sie die Funktion np.array(), um eine Python-Liste in ein Numpy-Array zu konvertieren.

   import numpy as np
   
   list1 = [1, 2, 3, 4, 5]
   array1 = np.array(list1)
   print(array1)

   Ausgabeergebnis:

   [1 2 3 4 5]

2. Verwenden Sie die von numpy bereitgestellten Funktionen, um ein Array eines bestimmten Typs zu erstellen.
   Verwenden Sie beispielsweise die Funktion np.zeros(), um ein All-Null-Array zu erstellen, und verwenden Sie np. one()-Funktion zum Erstellen eines All-Einsen-Arrays Array, verwenden Sie die Funktion np.arange() zum Erstellen eines arithmetischen Sequenzarrays.

   import numpy as np
   
   # 创建全零数组
   zero_array = np.zeros((2, 3))
   print(zero_array)
   
   # 创建全一数组
   ones_array = np.ones((2, 3))
   print(ones_array)
   
   # 创建等差数列数组
   arange_array = np.arange(1, 10, 2)
   print(arange_array)

   Ausgabeergebnis:

   [[0. 0. 0.]
    [0. 0. 0.]]
   
   [[1. 1. 1.]
    [1. 1. 1.]]
   
   [1 3 5 7 9]

3. Verwenden Sie die von numpy bereitgestellte Zufallsfunktion, um ein Zufallsarray zu erstellen.
   numpy bietet eine Vielzahl von Zufallsfunktionen, die zum Erstellen verschiedener Arten von Zufallsarrays verwendet werden können.

   import numpy as np
   
   # 创建随机数组
   random_array = np.random.random((2, 3))
   print(random_array)
   
   # 创建随机整数数组
   randint_array = np.random.randint(1, 10, (2, 3))
   print(randint_array)
   
   # 创建服从正态分布的随机数组
   normal_array = np.random.normal(0, 1, (2, 3))
   print(normal_array)

   Ausgabeergebnis:

   [[0.95013914 0.51356046 0.59365896]
    [0.60093207 0.66674617 0.41265148]]
   
   [[9 5 7]
    [2 3 5]]
   
   [[ 0.0748576  -0.3003907   0.89676223]
    [ 0.11659403 -0.45642916 -2.63455294]]

4. Verwenden Sie die von Numpy bereitgestellten Sonderfunktionen, um spezielle Arrays zu erstellen. linspace( ) kann gleichmäßig verteilte Arrays erstellen.
   

   import numpy as np
   
   # 创建单位矩阵
   eye_array = np.eye(3)
   print(eye_array)
   
   # 创建均匀间隔的数组
   linspace_array = np.linspace(0, 1, 5)
   print(linspace_array)

   Ausgabeergebnis:

   [[1. 0. 0.]
    [0. 1. 0.]
    [0. 0. 1.]]
   
   [0.   0.25 0.5  0.75 1.  ]

Mit den oben genannten gängigen Methoden können wir schnell verschiedene Arten von Arrays erstellen. In praktischen Anwendungen kann die Verwendung von Numpy zum schnellen Erstellen von Arrays die Effizienz der Datenverarbeitung erheblich verbessern und gleichzeitig die Lesbarkeit und Wartbarkeit des Codes verbessern. Daher ist die Beherrschung der schnellen Erstellung von Numpy-Arrays für Python-Datenwissenschaftler und Machine-Learning-Ingenieure eine wesentliche Grundkompetenz.

Das obige ist der detaillierte Inhalt vonNumpy: ein leistungsstarkes Tool zum effizienten Aufbau von Arrays. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!