NumPy 함수의 기능 및 용도에 대한 심층 분석
NumPy(NumPy)(NumPy)는 과학 컴퓨팅을 위한 오픈 소스 Python 라이브러리입니다. 배열을 효율적으로 조작할 수 있으며 다양한 편리한 수학 함수 및 도구가 함께 제공됩니다. 이 기사에서는 NumPy의 일부 일반적인 기능과 기능에 대한 심층 분석을 제공하고 구체적인 코드 예제를 제공합니다.
NumPy는 배열을 만드는 다양한 방법을 제공합니다. 여기에는 array
函数、arange
函数和zeros
기능 사용 등이 포함됩니다. 다음은 배열 생성에 대한 몇 가지 예입니다.
import numpy as np # 使用array函数,将列表转换为数组 arr1 = np.array([1, 2, 3, 4, 5]) print(arr1) # 使用arange函数,创建一个从0到9的数组 arr2 = np.arange(10) print(arr2) # 使用zeros函数,创建一个元素全为0的3x3数组 arr3 = np.zeros((3, 3)) print(arr3)
NumPy는 배열 간 작업을 위한 다양한 함수를 제공합니다. 이러한 기능에는 덧셈, 뺄셈, 곱셈, 나눗셈 등이 포함됩니다. 다음은 배열 연산의 몇 가지 예입니다.
import numpy as np # 加法 arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) print(arr1 + arr2) # 减法 arr3 = np.array([7, 8, 9]) print(arr2 - arr3) # 乘法 print(arr1 * arr2) # 除法 print(arr2 / arr3)
NumPy는 배열의 다양한 통계 지표를 계산하기 위한 풍부한 통계 함수 세트를 제공합니다. 이러한 함수에는 합계, 평균, 표준 편차, 최대값 등이 포함됩니다. 다음은 통계 함수의 몇 가지 예입니다.
import numpy as np arr = np.array([1, 2, 3, 4, 5]) # 求和 print(np.sum(arr)) # 平均值 print(np.mean(arr)) # 标准差 print(np.std(arr)) # 最大值 print(np.max(arr))
NumPy를 사용하면 배열에 대한 슬라이싱 작업을 통해 배열의 일부 또는 하위 집합을 얻을 수 있습니다. 조각화 작업에서는 콜론(:)을 사용하여 범위를 지정합니다. 다음은 배열 슬라이싱의 몇 가지 예입니다.
import numpy as np arr = np.array([1, 2, 3, 4, 5]) # 获取数组的前三个元素 print(arr[:3]) # 获取数组的第三个到最后一个元素 print(arr[2:]) # 获取数组的第二个和第四个元素 print(arr[1:4:2])
NumPy는 다차원 배열을 만들고 조작할 수 있습니다. 다차원 배열은 2차원, 3차원 또는 더 높은 차원일 수 있습니다. 다음은 다차원 배열 연산의 몇 가지 예입니다.
import numpy as np # 创建一个3x3的二维数组 arr1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(arr1) # 计算二维数组的行和列的和 print(np.sum(arr1, axis=0)) # 列和 print(np.sum(arr1, axis=1)) # 行和 # 创建一个3x3x3的三维数组 arr2 = np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9]], [[10, 11, 12], [13, 14, 15], [16, 17, 18]], [[19, 20, 21], [22, 23, 24], [25, 26, 27]]]) print(arr2) # 获取三维数组的第一个二维数组 print(arr2[0])
요약하자면 NumPy는 배열을 처리하는 데 필요한 풍부한 기능과 도구를 제공하고 편리한 수학적 함수와 연산을 많이 제공합니다. 이러한 기능의 사용법을 익히면 배열 처리의 효율성과 편의성이 크게 향상될 수 있습니다. 위 내용은 NumPy의 기능과 사용법 중 극히 일부에 불과합니다. 독자들의 학습과 실습에 도움이 되기를 바랍니다.
위 내용은 Numpy 함수의 기능과 응용에 대한 심층 분석의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!