Liste complète des fonctions couramment utilisées dans la bibliothèque Numpy : démarrage rapide et guide pratique

La bibliothèque Numpy est l'une des bibliothèques de traitement de données les plus couramment utilisées en Python. Elle est largement appréciée par les analystes de données pour ses méthodes de fonctionnement efficaces et pratiques. Dans la bibliothèque Numpy, il existe de nombreuses fonctions couramment utilisées qui peuvent nous aider à effectuer des tâches de traitement de données rapidement et efficacement. Cet article présentera certaines fonctions Numpy couramment utilisées et fournira des exemples de code et des scénarios d'application pratiques afin que les lecteurs puissent démarrer plus rapidement avec la bibliothèque Numpy.

1. Créez un tableau

1. numpy.array

Prototype de fonction : numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)

Fonction description : Convertit des objets tels que des listes en tableaux.

Exemple de code :

import numpy as np

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

2. numpy.zeros

Prototype de fonction : numpy.zeros(shape, dtype=float, order='C')

Description de la fonction : Créez un tableau entièrement nul de la forme spécifiée.

Exemple de code :

import numpy as np

a = np.zeros((2, 3))
print(a)  # 输出 [[0. 0. 0.]
          #      [0. 0. 0.]]

3. numpy.ones

Prototype de fonction : numpy.ones(shape, dtype=None, order='C')

Description de la fonction : Créez un tableau tout-en-un de la forme spécifiée.

Exemple de code :

import numpy as np

a = np.ones((2, 3))
print(a)  # 输出 [[1. 1. 1.]
          #      [1. 1. 1.]]

4. numpy.arange

Prototype de fonction : numpy.arange(start, stop, step, dtype=None)

Description de la fonction : Créer un tableau de séquences arithmétiques.

Exemple de code :

import numpy as np

a = np.arange(0, 10, 2)
print(a)  # 输出 [0 2 4 6 8]

2. Opérations sur les tableaux

1. numpy.reshape

Prototype de fonction : numpy.reshape(a, newshape, order='C')

Description de la fonction : Convertir le tableau a en A spécifié nouvelle gamme de formes.

Exemple de code :

import numpy as np

a = np.array([1, 2, 3, 4, 5, 6])
b = a.reshape((2, 3))
print(b)  # 输出 [[1 2 3]
          #      [4 5 6]]

2. numpy.transpose

Prototype de fonction : numpy.transpose(a, axes=None)

Description de la fonction : Transposer le tableau.

Exemple de code :

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.transpose(a)
print(b)  # 输出 [[1 4]
          #      [2 5]
          #      [3 6]]

3. numpy.concatenate

Prototype de fonction : numpy.concatenate((a1, a2, ...), axis=0)

Description de la fonction : effectuer une opération d'épissage sur des tableaux.

Exemple de code :

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = np.concatenate((a, b), axis=0)
print(c)  # 输出 [[1 2] 
          #      [3 4] 
          #      [5 6] 
          #      [7 8]]

3. Calcul de tableau

1. numpy.abs

Prototype de fonction : numpy.abs(x, args, *kwargs)

Description de la fonction : Calculer la valeur absolue de chaque élément dans la valeur du tableau.

Exemple de code :

import numpy as np

a = np.array([-1, 2, -3])
b = np.abs(a)
print(b)  # 输出 [1 2 3]

2. numpy.round

Prototype de fonction : numpy.round(a, decimals=0, out=None)

Description de la fonction : Arrondissez les éléments du tableau.

Exemple de code :

import numpy as np

a = np.array([1.3, 2.6, 3.2])
b = np.round(a)
print(b)  # 输出 [1. 3. 3.]

3. numpy.sum

Prototype de fonction : numpy.sum(a, axis=None)

Description de la fonction : Calculez la somme de chaque élément du tableau.

Exemple de code :

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.sum(a, axis=0)
print(b)  # 输出 [4 6]

4. Fonctions mathématiques couramment utilisées

1. numpy.exp

Prototype de fonction : numpy.exp(x, args, *kwargs)

Description de la fonction : Calculer l'exposant de chaque élément dans la valeur de la fonction de tableau.

Exemple de code :

import numpy as np

a = np.array([1, 2, 3])
b = np.exp(a)
print(b)  # 输出 [ 2.71828183  7.3890561  20.08553692]

2. numpy.log

Prototype de fonction : numpy.log(x, args, *kwargs)

Description de la fonction : Calculer le logarithme népérien de chaque élément du tableau.

Exemple de code :

import numpy as np

a = np.array([1, 2, 3])
b = np.log(a)
print(b)  # 输出 [0.         0.69314718 1.09861229]

3. numpy.sqrt

Prototype de fonction : numpy.sqrt(x, args, *kwargs)

Description de la fonction : Calculez la racine carrée de chaque élément du tableau.

Exemple de code :

import numpy as np

a = np.array([1, 4, 9])
b = np.sqrt(a)
print(b)  # 输出 [1. 2. 3.]

5. Scénarios d'application pratiques

1. Simulation de fonctions polynomiales

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-5, 5, num=50)
y = np.power(x, 3) - 3 * np.power(x, 2) + 2 * x + 1

plt.plot(x, y)
plt.show()

2. Somme pondérée de tableau

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([0.1, 0.2, 0.3, 0.4])

result = np.sum(a * b)
print(result)  # 输出 2.0

3. Tri des tableaux

import numpy as np

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

print(b)  # 输出 [1 2 3 4]

Résumé :

Cet article présente quelques fonctions et applications courantes les scénarios de la bibliothèque Numpy incluent la création de tableaux, les opérations, les calculs et certaines fonctions mathématiques. Nous pouvons utiliser ces fonctions de manière flexible en fonction de scénarios d'application réels pour rendre le traitement des données plus efficace et plus pratique. Il est recommandé aux lecteurs d'écrire eux-mêmes le code et de le mettre en pratique pour approfondir leur compréhension et leur maîtrise de la bibliothèque Numpy.

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!