Maison > Article > développement back-end > Comment utiliser le module numpy pour les calculs numériques en Python 3.x
Comment utiliser le module numpy pour les calculs numériques en Python 3.x
Introduction :
Dans le domaine du calcul scientifique en Python, numpy est un module très important. Il fournit des objets tableaux multidimensionnels hautes performances et une série de fonctions pour traiter ces tableaux. En utilisant numpy, nous pouvons simplifier les opérations de calcul numérique et atteindre une efficacité informatique plus élevée.
Cet article expliquera comment utiliser le module numpy pour les calculs numériques dans Python 3.x et fournira des exemples de code correspondants.
1. Installez le module numpy :
Avant de commencer, nous devons d'abord installer le module numpy. Vous pouvez utiliser la commande pip pour l'installer, exécutez simplement la commande suivante :
pip install numpy
Bien sûr, vous pouvez également utiliser d'autres méthodes appropriées pour l'installer.
2. Importez le module numpy :
Avant de commencer à utiliser numpy, nous devons importer le module numpy. Vous pouvez utiliser le code suivant pour importer le module numpy dans un programme Python :
import numpy as np
Lors de l'importation, nous utilisons généralement l'alias np
pour représenter le module numpy afin de faciliter l'utilisation des fonctions dans. le module numpy. np
来表示numpy模块,这是为了方便使用numpy模块中的函数。
三、创建numpy数组:
使用numpy进行数值计算的第一步,就是创建numpy数组。numpy数组是多维数组对象,可以容纳相同类型的数据。
以下是三种常见的创建numpy数组的方式:
np.array()
函数从常规Python列表或元组创建:import numpy as np arr1 = np.array([1, 2, 3, 4, 5]) print(arr1)
输出:
[1 2 3 4 5]
np.zeros()
函数创建全0数组:import numpy as np arr2 = np.zeros((3, 4)) print(arr2)
输出:
[[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]]
np.ones()
函数创建全1数组:import numpy as np arr3 = np.ones((2, 3)) print(arr3)
输出:
[[1. 1. 1.] [1. 1. 1.]]
四、numpy数组的属性和操作:
numpy数组不仅仅是一个普通的数组对象,它还有一些特殊的属性和操作。以下是一些常见的numpy数组属性和操作的示例:
shape
:import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr.shape)
输出:
(2, 3)
ndim
:import numpy as np arr = np.array([1, 2, 3, 4]) print(arr.ndim)
输出:
1
dtype
:import numpy as np arr = np.array([1, 2, 3, 4]) print(arr.dtype)
输出:
int64
size
:import numpy as np arr = np.array([1, 2, 3, 4]) print(arr.size)
输出:
4
五、numpy数组的数值计算:
numpy数组提供了丰富的数值计算函数,可以用来进行各种常见的数学运算。以下是一些常见的numpy数值计算函数的示例:
np.add()
:import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) result = np.add(arr1, arr2) print(result)
输出:
[5 7 9]
np.subtract()
:import numpy as np arr1 = np.array([4, 5, 6]) arr2 = np.array([1, 2, 3]) result = np.subtract(arr1, arr2) print(result)
输出:
[3 3 3]
np.multiply()
:import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) result = np.multiply(arr1, arr2) print(result)
输出:
[4 10 18]
np.divide()
np.array()
: import numpy as np arr1 = np.array([4, 5, 6]) arr2 = np.array([2, 2, 2]) result = np.divide(arr1, arr2) print(result)
[2. 2.5 3. ]
np.zeros()
pour créer un tableau composé uniquement de 0 : rrreee🎜Sortie : 🎜rrreeenp.ones()
pour créer un tableau composé uniquement de 1 : 🎜🎜rrreee🎜Sortie : 🎜rrreee🎜 4. Propriétés et opérations des tableaux numpy : 🎜le tableau numpy n'est pas juste un objet tableau ordinaire, il a également des propriétés et des opérations spéciales. Voici des exemples de propriétés et d'opérations courantes des tableaux numpy : 🎜forme
:🎜🎜rrreee🎜Sortie : 🎜rrreeendim
:🎜🎜rrreee🎜Sortie : 🎜rrreeedtype
:🎜🎜rrreee🎜Sortie : 🎜 rrreeesize
:🎜🎜rrreee🎜Sortie : 🎜rrreee🎜5. Calcul numérique du tableau numpy : 🎜le tableau numpy fournit des valeurs riches. La fonction de calcul numérique peut être utilisée pour effectuer diverses opérations mathématiques courantes. Voici des exemples de fonctions de calcul numérique numpy courantes : 🎜np.add()
:🎜🎜rrreee🎜Sortie : 🎜rrreeenp.subtract()
:🎜🎜rrreee🎜Sortie : 🎜rrreeenp.multiply()
:🎜🎜rrreee🎜Sortie : 🎜rrreeenp.divide()
:🎜🎜rrreee🎜Sortie : 🎜rrreee🎜Au-dessus de ceci n'est qu'un petit exemple des fonctions de calcul numérique de numpy. Numpy fournit également de nombreuses autres fonctions de calcul numérique couramment utilisées, qui peuvent être utilisées en fonction de besoins spécifiques. 🎜🎜Conclusion : 🎜En utilisant le module numpy, nous pouvons facilement effectuer des calculs numériques et obtenir une efficacité de calcul plus élevée. Dans cet article, nous expliquons comment installer le module numpy, importer le module numpy, créer des tableaux numpy et effectuer des calculs numériques, et fournir des exemples de code correspondants. 🎜🎜En apprenant et en maîtrisant le module numpy, nous pouvons effectuer des travaux de calcul scientifique en Python plus efficacement et également établir une base solide pour une étude plus approfondie de l'apprentissage automatique, de l'analyse de données et d'autres domaines. 🎜Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!