Résumé des fonctions numpy : liste des fonctions et fonctions couramment utilisées

Guide des fonctions Numpy : un aperçu des fonctions couramment utilisées et de leurs fonctions dans la bibliothèque numpy, des exemples de code spécifiques sont requis

Introduction :
NumPy est une bibliothèque de base pour le calcul scientifique en Python, fournissant un grand nombre de tableaux efficaces Fonctions d'opération et outil. Il a été largement utilisé dans des domaines tels que le traitement des données, le calcul numérique et l’apprentissage automatique. Cet article présentera certaines fonctions NumPy couramment utilisées, ainsi que leurs fonctions et utilisations spécifiques, et fournira des exemples de code correspondants.

1. Fonction pour créer un tableau

1. numpy.array()
   la fonction numpy.array() est utilisée pour créer un tableau. Peut prendre une liste, un tuple, un nombre ou un autre tableau et créer un tableau de forme et de type de données spécifiés.

Exemple de code :
importer numpy en tant que np

Créer un tableau à 1 dimension

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

Créer un tableau à 2 dimensions

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

2. numpy.zeros()
   numpy.zeros() est utilisée pour créer un tableau d'une taille spécifiée et initialiser les éléments du tableau à 0.

Exemple de code :
importer numpy en tant que np

Créer un tableau 3x3 de tous les 0

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

3. numpy.ones()
   numpy.ones() est utilisée pour créer une fonction spécifiée. dimensionner le tableau et initialiser les éléments du tableau à 1.

Exemple de code :
importer numpy en tant que np

Créer un tableau 2x2 de tous les 1

a = np.ones((2, 2))
print(a)
'''
Sortie :
[[1 . 1.]
[1. 1.]]
'''

2. Fonctions d'opération de tableau

1. numpy.shape()
   numpy.shape() est utilisée pour obtenir la forme du tableau.

Exemple de code :
import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape) # Sortie : (2, 3) La fonction

2. numpy.reshape()
   numpy.reshape() est utilisée pour changer la forme du tableau.

Exemple de code :
importer numpy en tant que np

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

3. numpy.concatenate()
   numpy.concatenate() la fonction est utilisée pour combiner deux tableaux ou plus. ensemble le long de l’axe spécifié.

Exemple de code :
importer numpy en tant que np

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

3. Fonctions d'opération mathématique

1. numpy.add()
   numpy.add() est utilisée pour effectuer l'addition élément par élément de deux tableaux.

Exemple de code :
importer numpy en tant que np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
res = np.add(a , b)
print(res) # Sortie : [5 7 9]

2. numpy.subtract()
   numpy.subtract() La fonction est utilisée pour effectuer une soustraction élément par élément de deux tableaux.

Exemple de code :
importer numpy en tant que np

a = np.array([4, 5, 6])
b = np.array([1, 2, 3])
res = np.subtract(a , b)
print(res) # Sortie : [3 3 3]

3. numpy.dot()
   numpy.dot() La fonction est utilisée pour calculer le produit scalaire de deux tableaux.

Exemple de code :
importer numpy en tant que np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
res = np.dot(a , b)
print(res) # Sortie : 32

Conclusion :
Cet article présente certaines fonctions NumPy couramment utilisées, leurs fonctions et leur utilisation, et fournit des exemples de code correspondants. En utilisant ces fonctions, nous pouvons facilement créer des tableaux, effectuer des opérations sur les tableaux et effectuer des opérations mathématiques. NumPy joue un rôle important dans le calcul scientifique. J'espère que cet article pourra aider les lecteurs à apprendre et à utiliser NumPy.

Documents de référence :
1. "Documentation officielle de NumPy", https://numpy.org/doc/
2 "Utilisation de la bibliothèque informatique scientifique Python NumPy", https://www.runoob.com/numpy/. numpy -tutorial.html

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!