Numpy 함수 사용에 대한 간결한 가이드
- 王林원래의
- 2024-01-26 10:34:22946검색
NumPy 함수를 사용하는 방법은 간단하고 이해하기 쉬우며 구체적인 코드 예제가 필요합니다.
NumPy는 Python에서 매우 일반적으로 사용되는 과학 컴퓨팅 라이브러리로 배열과 행렬을 처리하는 풍부한 기능과 도구를 제공합니다. 이 기사에서는 NumPy에서 일반적으로 사용되는 몇 가지 기능과 사용 방법을 소개하고 특정 코드 예제를 통해 해당 기능을 시연합니다.
1. 배열 만들기
NumPy를 사용하면 다양한 유형의 배열을 쉽게 만들 수 있습니다. 다음은 배열을 만드는 몇 가지 일반적인 방법입니다.
-
numpy.array 함수를 사용하여 1차원 배열을 만듭니다.
import numpy as np a = np.array([1, 2, 3, 4, 5]) print(a)
출력:
[1 2 3 4 5]
-
numpy.zeros 함수를 사용하여 모두 0으로 구성된 배열을 만듭니다. :
b = np.zeros((3, 4)) print(b)
출력:
[[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]]
-
numpy.ones 함수를 사용하여 모든 요소가 포함된 배열 만들기:
c = np.ones((2, 3)) print(c)
출력:
[[1. 1. 1.] [1. 1. 1.]]
-
numpy.eye 함수를 사용하여 단위 행렬 만들기:
d = np.eye(3) print(d)
출력:
[[1. 0. 0.] [0. 1. 0.] [0. 0. 1.]]
2. 배열 속성 및 기본 연산
NumPy 배열에는 몇 가지 일반적으로 사용되는 속성과 기본 연산이 있습니다. 다음은 몇 가지 예입니다.
-
배열 모양:
print(a.shape) # 输出(5,) print(b.shape) # 输出(3, 4) print(c.shape) # 输出(2, 3) print(d.shape) # 输出(3, 3)
-
배열 크기:
print(a.ndim) # 输出1 print(b.ndim) # 输出2 print(c.ndim) # 输出2 print(d.ndim) # 输出2
-
배열의 요소 수:
print(a.size) # 输出5 print(b.size) # 输出12 print(c.size) # 输出6 print(d.size) # 输出9
-
배열의 데이터 유형:
print(a.dtype) # 输出int64 print(b.dtype) # 输出float64 print(c.dtype) # 输出float64 print(d.dtype) # 输出float64
3. 배열 작업
NumPy는 다음과 같은 몇 가지 예를 제공합니다.
-
Addition 및 배열의 합 뺄셈:
x = np.array([1, 2, 3]) y = np.array([4, 5, 6]) print(x + y) # 输出[5 7 9] print(x - y) # 输出[-3 -3 -3]
-
배열의 곱셈과 나눗셈:
print(x * y) # 输出[4 10 18] print(x / y) # 输出[0.25 0.4 0.5 ]
-
배열의 제곱근과 제곱근:
print(np.square(x)) # 输出[1 4 9] print(np.sqrt(y)) # 输出[2. 2.236 2.449]
-
배열의 행렬 곱셈:
a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) print(np.dot(a, b)) # 输出[[19 22] [43 50]]
4. 인덱싱 및 slic 배열
Num Py는 배열 요소에 액세스하기 위한 강력한 기능을 제공합니다. 다음은 몇 가지 예입니다.
-
배열 인덱스:
a = np.array([1, 2, 3, 4, 5]) print(a[0]) # 输出1 print(a[-1]) # 输出5
-
배열 슬라이스:
b = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) print(b[0]) # 输出[1 2 3 4] print(b[:, 0]) # 输出[1 5 9] print(b[1:3, 1:3]) # 输出[[6 7] [10 11]]
5. 배열에 대한 통계 연산
NumPy는 다음을 제공합니다. 풍부한 배열 배열 통계 연산에 대한 몇 가지 예는 다음과 같습니다.
-
배열의 합계, 평균 및 표준 편차 계산:
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.std(a)) # 输出1.41421356
-
배열의 최소값 및 최대값 계산:
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(np.min(b)) # 输出1 print(np.max(b)) # 输出9
요약:
이 기사에서는 NumPy 라이브러리의 몇 가지 일반적인 기능과 작업 방법을 소개하고 특정 코드 예제를 통해 사용법을 보여줍니다. 이러한 기능과 연산을 학습함으로써 과학 컴퓨팅 및 데이터 분석을 위한 NumPy 라이브러리를 더 잘 이해하고 적용할 수 있습니다. 이 글이 NumPy를 배우는 데 도움이 되기를 바랍니다!
위 내용은 Numpy 함수 사용에 대한 간결한 가이드의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!