NumPy 함수 구문 분석에 대한 전체 가이드

NumPy(NumPy)(NumPy)는 다차원 배열 개체와 배열 작업용 도구를 제공하는 오픈 소스 Python 과학 컴퓨팅 라이브러리입니다. Python 데이터 과학 생태계의 핵심 라이브러리 중 하나이며 과학 컴퓨팅, 데이터 분석, 기계 학습 등의 분야에서 널리 사용됩니다. 이 글에서는 배열 생성, 배열 연산, 수학 함수, 통계 함수, 선형 대수 등 NumPy 라이브러리에서 일반적으로 사용되는 함수를 하나씩 분석하고 구체적인 코드 예제를 제공합니다.

1. Array Creation
   NumPy는 차원, 데이터 유형 및 초기화 값을 지정하여 배열을 생성할 수 있는 다양한 방법을 제공합니다. 일반적으로 사용되는 함수는 다음과 같습니다:

1.1 numpy.array(): 목록이나 튜플에서 배열을 만듭니다.

import numpy as np

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

# 输出：[1 2 3 4 5]

1.2 numpy.zeros(): 지정된 차원의 모두 0인 배열을 만듭니다.

import numpy as np

arr = np.zeros((3, 4))
print(arr)

"""
输出：
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]
"""

1.3 numpy.ones(): 지정된 차원의 올-원 배열을 만듭니다.

import numpy as np

arr = np.ones((2, 3))
print(arr)

"""
输出：
[[1. 1. 1.]
 [1. 1. 1.]]
"""

1.4 numpy.arange(): 산술 배열을 만듭니다.

import numpy as np

arr = np.arange(0, 10, 2)
print(arr)

# 输出：[0 2 4 6 8]

2. 배열 연산
   NumPy는 모양 연산, 인덱싱 및 슬라이싱, 확장 및 스태킹, 배열 전치 등 배열 연산을 위한 다양한 기능을 제공합니다. 일반적으로 사용되는 함수는 다음과 같습니다.

2.1 reshape(): 배열의 모양을 변경합니다.

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
new_arr = arr.reshape((3, 2))
print(new_arr)

"""
输出：
[[1 2]
 [3 4]
 [5 6]]
"""

2.2 인덱싱 및 슬라이싱: 인덱싱 및 슬라이싱을 통해 배열을 조작합니다.

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr[2])       # 输出：3
print(arr[1:4])     # 输出：[2 3 4]
print(arr[:3])      # 输出：[1 2 3]
print(arr[-3:])     # 输出：[3 4 5]

2.3 concatenate(): 두 개 이상의 배열을 연결합니다.

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.concatenate((arr1, arr2))
print(arr)

# 输出：[1 2 3 4 5 6]

2.4 transpose(): 배열을 전치합니다.

import numpy as np

arr = np.array([[1, 2], [3, 4]])
new_arr = np.transpose(arr)
print(new_arr)

"""
输出：
[[1 3]
 [2 4]]
"""

3. 수학 함수
   NumPy는 수치 연산, 삼각 함수, 로그 함수, 지수 함수 등과 같은 풍부한 수학 함수를 제공합니다. 일반적으로 사용되는 함수는 다음과 같습니다:

3.1 np.mean(): 배열의 평균을 계산합니다.

import numpy as np

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

# 输出：3.0

3.2 np.sin(): 배열 요소의 사인 값을 계산합니다.

import numpy as np

arr = np.array([0, np.pi/2, np.pi])
sin = np.sin(arr)
print(sin)

# 输出：[0.         1.         1.2246468e-16]

3.3 np.exp(): 배열 요소에 대해 지수 연산을 수행합니다.

import numpy as np

arr = np.array([1, 2, 3])
exp = np.exp(arr)
print(exp)

# 输出：[ 2.71828183  7.3890561  20.08553692]

4. 통계 함수
   NumPy는 최대값, 최소값, 중앙값, 분산, 표준편차 등 일반적으로 사용되는 통계 함수를 제공합니다. 일반적으로 사용되는 함수는 다음과 같습니다.

4.1 np.max(): 배열의 최대값을 계산합니다.

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
max_value = np.max(arr)
print(max_value)

# 输出：5

4.2 np.min(): 배열의 최소값을 계산합니다.

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
min_value = np.min(arr)
print(min_value)

# 输出：1

4.3 np.median(): 배열의 중앙값을 계산합니다.

import numpy as np

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

# 输出：3.0

4.4 np.var(): 배열의 분산을 계산합니다.

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
variance = np.var(arr)
print(variance)

# 输出：2.0

5. 선형 대수
   NumPy는 행렬 곱셈, 행렬 반전, 행렬 행렬식 등과 같은 기본적인 선형 대수 연산 기능을 제공합니다. 일반적으로 사용되는 함수는 다음과 같습니다.

5.1 np.dot(): 두 배열의 내적을 계산합니다.

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
dot_product = np.dot(arr1, arr2)
print(dot_product)

"""
输出：
[[19 22]
 [43 50]]
"""

5.2 np.linalg.inv(): 행렬의 역함수를 계산합니다.

import numpy as np

arr = np.array([[1, 2], [3, 4]])
inverse = np.linalg.inv(arr)
print(inverse)

"""
输出：
[[-2.   1. ]
 [ 1.5 -0.5]]
"""

위 내용은 NumPy 라이브러리의 기능 중 일부일 뿐입니다. 이러한 일반적인 기능을 사용하는 방법을 이해하면 NumPy를 사용하여 배열 연산, 수학 연산, 통계 분석 및 선형 대수와 같은 컴퓨팅 작업을 보다 효율적으로 수행할 수 있습니다. 동시에 NumPy 라이브러리의 관련 문서를 심층적으로 연구함으로써 과학 컴퓨팅 작업에 강력한 지원을 제공하는 더 강력한 기능을 발견할 수 있습니다.

위 내용은 NumPy 함수 구문 분석에 대한 전체 가이드의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!