numpy 라이브러리는 Python에서 가장 널리 사용되는 과학 컴퓨팅 라이브러리 중 하나입니다. 다차원 배열 및 행렬에 대한 빠른 작업을 제공하고 다양한 수학 연산, 선형 대수 연산, 난수 생성 및 기타 기능을 지원합니다. numpy의 기본 작동과 공통 기능을 익히면 데이터 분석 및 과학 컴퓨팅의 효율성을 향상시킬 수 있을 뿐만 아니라 데이터 시각화 및 기계 학습과 같은 분야의 개발에도 도움이 됩니다.
이 글에서는 numpy 배열 생성, 인덱싱 및 슬라이싱, 배열 연산, 통계 함수, 선형 대수 연산 및 난수 생성을 포함하여 numpy 라이브러리의 기본 연산과 일반적인 기능을 소개합니다. 독자가 빠르게 시작할 수 있도록 특정 코드 예제도 제공됩니다.
numpy 배열을 만드는 가장 기본적인 방법은 목록이나 튜플을 매개변수로 받아 numpy 배열을 만드는 numpy.array() 함수를 사용하는 것입니다. 다음은 간단한 예입니다.
import numpy as np a = np.array([1, 2, 3]) print(a)
출력 결과는 다음과 같습니다.
[1 2 3]
또한 numpy에는 배열을 생성하는 다른 기능도 있습니다. 예:
Python의 목록과 유사합니다. , numpy 배열도 인덱싱 및 슬라이싱 작업을 사용할 수 있습니다. 다음은 몇 가지 예입니다.
import numpy as np a = np.array([1, 2, 3]) print(a[0]) # 输出1 print(a[-1]) # 输出3 b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(b[0][1]) # 输出2 c = np.array([1, 2, 3, 4, 5, 6]) print(c[1:4]) # 输出[2 3 4]
numpy 배열에서 슬라이싱 작업은 새 배열이 아닌 원래 배열의 보기를 반환합니다. 따라서 슬라이스를 수정하면 원래 배열도 변경됩니다.
Numpy 배열은 덧셈, 뺄셈, 곱셈, 나눗셈은 물론 다항 함수, 삼각 함수 등 다양한 수학 연산을 지원합니다. 다음은 몇 가지 일반적인 배열 연산입니다.
import numpy as np a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) print(a + b) # 输出[5 7 9] print(a - b) # 输出[-3 -3 -3] print(a * b) # 输出[4 10 18] print(b / a) # 输出[4. 2.5 2. ] c = np.array([[1, 2], [3, 4]]) d = np.array([[5, 6], [7, 8]]) print(c.dot(d)) # 矩阵乘法,输出[[ 19 22] [ 43 50]]
numpy는 합계, 평균, 표준 편차, 최대값 및 최소값 등과 같은 다양한 통계 함수도 제공합니다. 다음은 몇 가지 일반적인 통계 함수입니다.
import numpy as np a = np.array([1, 2, 3, 4]) print(np.sum(a)) # 求和,输出10 print(np.mean(a)) # 均值,输出2.5 print(np.std(a)) # 标准差,输出1.118033988749895 print(np.max(a)) # 最大值,输出4 print(np.min(a)) # 最小值,输出1 b = np.array([[1, 2], [3, 4]]) print(np.sum(b, axis=0)) # 按列求和,输出[4 6] print(np.sum(b, axis=1)) # 按行求和,输出[3 7]
numpy는 행렬 곱셈, 행렬식 계산, 고유값 및 고유벡터 계산 등과 같은 풍부한 선형 대수 연산 함수를 제공합니다. 다음은 몇 가지 일반적인 선형 대수 연산입니다.
import numpy as np a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) print(np.dot(a, b)) # 矩阵乘法,输出[[19 22] [43 50]] c = np.array([[1, 2], [3, 4]]) print(np.linalg.det(c)) # 行列式计算,输出-2.0000000000000004 d = np.array([[1, 2], [2, 1]]) print(np.linalg.eig(d)) # 特征值和特征向量的计算,输出(array([ 3., -1.]), array([[ 0.70710678, -0.70710678], [ 0.70710678, 0.70710678]]))
numpy는 난수 생성, 정규 분포 난수 생성, 지정된 모양의 난수 배열 생성 등과 같은 다양한 난수 함수를 제공합니다. 다음은 몇 가지 일반적인 임의 함수입니다.
import numpy as np print(np.random.randint(0, 10, 5)) # 生成5个0到10之间的随机整数,输出[1 5 8 7 3] print(np.random.normal(0, 1, 5)) # 生成5个均值为0,方差为1的正态分布随机数,输出[-0.60690706 2.01738925 -0.58946246 -1.42619268 0.72589716] print(np.random.rand(3, 4)) # 生成3行4列的随机数组,输出[[0.9004391 0.50630644 0.31150836 0.90425598] [0.13734967 0.53890228 0.20053875 0.00617321] [0.96756345 0.80763172 0.21116666 0.09858394]]
위는 numpy 라이브러리의 기본 작업 및 일반적인 기능에 대한 소개 및 코드 예제입니다. 이 기사가 독자가 numpy 사용을 빠르게 시작하고 능숙해지는 데 도움이 되기를 바랍니다.
위 내용은 입문부터 숙련까지: numpy 라이브러리의 기본 작동 및 일반 기능을 마스터하세요.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!