Maîtrisez les fonctions numpy courantes et leurs applications : apprenez les connaissances de base des fonctions numpy

Apprenez les fonctions numpy : maîtrisez les fonctions numpy courantes et leur utilisation, des exemples de code spécifiques sont nécessaires

Python est un langage de programmation puissant largement utilisé dans les domaines de l'analyse de données et du calcul scientifique. Dans ce domaine, numpy est une bibliothèque très importante, qui fournit un grand nombre de fonctions pour travailler avec des tableaux et des matrices. Dans cet article, nous explorerons certaines fonctions numpy couramment utilisées et leur utilisation, et fournirons des exemples de code concrets.

Tout d'abord, nous devons importer la bibliothèque numpy pour utiliser ses fonctions. Avant d'importer, assurez-vous d'avoir correctement installé la bibliothèque numpy. Vous pouvez installer numpy à l'aide de la commande suivante :

pip install numpy

Une fois que vous avez installé numpy avec succès, vous pouvez l'importer dans votre code :

import numpy as np

Ensuite, commençons à apprendre quelques fonctions numpy couramment utilisées et leur utilisation.

1. Créer des tableaux
   numpy propose plusieurs façons de créer des tableaux. Le moyen le plus simple est d'utiliser la fonction np.array. L'exemple de code suivant crée un tableau unidimensionnel : np.array函数。以下代码示例创建了一个一维数组：

a = np.array([1, 2, 3, 4, 5])
print(a)

输出结果：

[1 2 3 4 5]

除了使用np.array函数，还可以使用以下方法创建数组：

• np.zeros：创建一个由0填充的数组；
• np.ones：创建一个由1填充的数组；
• np.arange：创建一个等差数列数组；
• np.linspace：创建一个等间距数列数组；

2. 数组操作
   numpy提供了许多操作数组的函数。以下是一些常见的函数及其用法。

• np.shape：获取数组的形状；
• np.ndim：获取数组的维度；
• np.size：获取数组的大小；
• np.reshape：改变数组的形状；
• np.concatenate：连接两个数组；
• np.split：将一个数组分成多个子数组；

以下代码示例演示了一些数组操作的用法：

a = np.array([[1, 2, 3], [4, 5, 6]])
print(np.shape(a))  # 输出(2, 3)
print(np.ndim(a))  # 输出2
print(np.size(a))  # 输出6

b = np.reshape(a, (3, 2))
print(b)

输出结果：

[[1 2]
 [3 4]
 [5 6]]

3. 数学运算
   numpy提供了丰富的数学函数，用于对数组进行计算。以下是一些常见的数学函数及其用法。

• np.sum：计算数组元素的总和；
• np.mean：计算数组元素的平均值；
• np.max：找到数组中的最大值；
• np.min：找到数组中的最小值；
• np.sin：计算数组元素的正弦值；
• np.cos：计算数组元素的余弦值；

以下代码示例演示了一些数学运算的用法：

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

print(np.sum(a))  # 输出15
print(np.mean(a))  # 输出3.0
print(np.max(a))  # 输出5
print(np.min(a))  # 输出1

b = np.sin(a)
print(b)

输出结果：

[ 0.84147098  0.90929743  0.14112001 -0.7568025  -0.95892427]

4. 矩阵运算
   除了对数组进行数学运算，numpy还提供了丰富的矩阵运算函数。以下是一些常见的矩阵运算函数及其用法。

• np.dot：计算两个矩阵的点积；
• np.transpose：矩阵转置；
• np.linalg.inv：计算矩阵的逆；
• np.linalg.det：计算矩阵的行列式；
• np.linalg.solve

  a = np.array([[1, 2], [3, 4]])
  b = np.array([[5, 6], [7, 8]])
  
  c = np.dot(a, b)
  print(c)
  
  d = np.transpose(a)
  print(d)
  
  e = np.linalg.inv(a)
  print(e)
  
  f = np.linalg.det(b)
  print(f)
  
  x = np.array([[1, 2], [3, 4]])
  y = np.array([5, 6])
  z = np.linalg.solve(x, y)
  print(z)

Résultat :

[[19 22]
 [43 50]]
[[1 3]
 [2 4]]
[[-2.   1. ]
 [ 1.5 -0.5]]
-2.000000000000002
[-4.   4.5]

En plus d'utiliser la fonction np.array, vous pouvez également créer un tableau à l'aide des méthodes suivantes :

np.zeros : Créez un tableau rempli de 0 ;

np.ones : Créez un tableau rempli de 1 

🎜np ; .arange code> : Créez un tableau de séquences équidistantes ; 🎜🎜np.linspace : Créez un tableau de séquences équidistantes 🎜🎜

🎜Array ; Operations🎜numpy fournit de nombreuses opérations sur les tableaux La fonction. Vous trouverez ci-dessous quelques fonctions courantes et leur utilisation. 🎜

🎜np.shape : Obtenez la forme du tableau ; 🎜🎜np.ndim : Obtenez les dimensions du tableau 🎜🎜np.size : Obtenez la taille du tableau ; 🎜🎜np.reshape : Changez la forme du tableau ; 🎜🎜np.concatenate : Connectez deux tableaux ; 🎜🎜np.split : divisez un tableau en plusieurs sous-tableaux ; 🎜🎜🎜L'exemple de code suivant montre l'utilisation de certaines opérations sur les tableaux : 🎜rrreee🎜Résultats de sortie : 🎜rrreee

🎜Opérations mathématiques🎜Numpy fournit un riche ensemble de fonctions mathématiques pour effectuer des calculs sur des tableaux. Voici quelques fonctions mathématiques courantes et leurs utilisations. 🎜

🎜np.sum : Calculez la somme des éléments du tableau ; 🎜🎜np.mean : Calculez la moyenne des éléments du tableau ; code >np.max : Trouver la valeur maximale dans le tableau ; 🎜🎜np.min : Trouver la valeur minimale dans le tableau ; 🎜🎜np.sin ; > : Calculer la valeur sinusoïdale de l'élément du tableau ; 🎜🎜np.cos : Calculer la valeur cosinusoïdale de l'élément du tableau ; 🎜🎜🎜L'exemple de code suivant démontre l'utilisation de certaines opérations mathématiques : 🎜rrreee 🎜Résultat de sortie : 🎜rrreee

🎜Opérations matricielles🎜En plus d'effectuer des opérations mathématiques sur les tableaux, numpy fournit également une multitude de fonctions d'opérations matricielles. Voici quelques fonctions d’opération matricielle courantes et leur utilisation. 🎜

🎜np.dot : Calculer le produit scalaire de deux matrices 🎜🎜np.transpose : Transposition matricielle 🎜🎜 np ; .linalg.inv : Calculer l'inverse d'une matrice ; 🎜🎜np.linalg.det : Calculer le déterminant d'une matrice ; 🎜🎜np.linalg.solve code> : Résoudre un système d'équations linéaires ; 🎜🎜🎜L'exemple de code suivant démontre l'utilisation de certaines opérations matricielles : 🎜rrreee🎜Résultats de sortie : 🎜rrreee🎜Dans cet article, nous présentons certaines fonctions numpy couramment utilisées et leur utilisation. En maîtrisant ces fonctions, vous serez en mesure de manipuler des tableaux et des matrices avec plus de flexibilité et d'effectuer divers calculs mathématiques et scientifiques. J'espère que cet article vous aidera à apprendre les fonctions 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!