Ketahui beberapa fungsi biasa dan penggunaan numpy

Terokai fungsi biasa dan penggunaan NumPy

NumPy ialah perpustakaan pengkomputeran saintifik Python sumber terbuka yang menyediakan objek dan fungsi tatasusunan berbilang dimensi yang berkuasa untuk memproses tatasusunan ini. Ia adalah salah satu perpustakaan yang paling biasa digunakan dalam bidang sains data dan pembelajaran mesin Dengan prestasi yang cekap dan fleksibiliti, ia telah menjadi "alat yang berkuasa" untuk penganalisis data dan saintis. Artikel ini akan menyelidiki fungsi dan penggunaan biasa NumPy, dan memberikan contoh kod khusus.

1. Mencipta Tatasusunan

Mula-mula, mari belajar cara mencipta tatasusunan NumPy. Tatasusunan NumPy ialah objek bekas berbilang dimensi yang cekap yang boleh menyimpan data daripada jenis yang sama.

import numpy as np

# 创建一维数组
a = np.array([1, 2, 3, 4, 5])
print(a)

# 创建二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])
print(b)

Hasil keluaran:

[1 2 3 4 5]
[[1 2 3]
 [4 5 6]]

2. Sifat tatasusunan

NumPy menyediakan banyak sifat berguna untuk menerangkan bentuk, saiz dan jenis data tatasusunan.

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])

# 数组形状
print(a.shape)

# 数组维度
print(a.ndim)

# 数组大小
print(a.size)

# 数组数据类型
print(a.dtype)

Hasil keluaran:

(2, 3)
2
6
int64

3. Operasi tatasusunan

NumPy menyediakan banyak fungsi berkuasa untuk mengendalikan tatasusunan.

import numpy as np

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

# 数组求和
print(np.sum(a))

# 数组最小值和最大值
print(np.min(a))
print(np.max(a))

# 数组平均值和标准差
print(np.mean(a))
print(np.std(a))

# 数组排序
print(np.sort(a))

# 数组反转
print(np.flip(a))

Hasil keluaran:

15
1
5
3.0
1.4142135623730951
[1 2 3 4 5]
[5 4 3 2 1]

4. Penghirisan tatasusunan dan pengindeksan

NumPy menyokong operasi penghirisan dan pengindeksan pada tatasusunan untuk mengakses bahagian atau elemen tertentu tatasusunan.

import numpy as np

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

# 数组切片
print(a[1:4])

# 数组索引
print(a[0])
print(a[-1])

Hasil keluaran:

[2 3 4]
1
5

5. Operasi tatasusunan

NumPy boleh melakukan operasi asas matematik dan logik.

import numpy as np

a = np.array([1, 2, 3, 4, 5])
b = np.array([5, 4, 3, 2, 1])

# 数组加法
print(np.add(a, b))

# 数组减法
print(np.subtract(a, b))

# 数组乘法
print(np.multiply(a, b))

# 数组除法
print(np.divide(a, b))

# 数组平方根
print(np.sqrt(a))

Hasil keluaran:

[6 6 6 6 6]
[-4 -2  0  2  4]
[5 8 9 8 5]
[0.2 0.5 1.  2.  5. ]
[1.         1.41421356 1.73205081 2.         2.23606798]

Di atas hanyalah contoh beberapa fungsi dan penggunaan biasa dalam NumPy juga menyediakan lebih banyak fungsi dan alatan untuk memproses data tatasusunan. Melalui pembelajaran dan penerokaan, kita secara beransur-ansur boleh membiasakan diri dengan fungsi NumPy yang berkuasa dan menerapkannya secara fleksibel dalam projek sebenar.

Melalui pengenalan artikel ini, saya percaya bahawa pembaca akan mempunyai pemahaman yang lebih mendalam tentang fungsi dan penggunaan biasa NumPy, dan boleh menggunakannya secara fleksibel dalam projek sebenar. Diharapkan pembaca dapat menguasai kemahiran penggunaan NumPy dengan lebih baik dan meningkatkan kecekapan pemprosesan dan analisis data melalui latihan dan pembelajaran berterusan.

Atas ialah kandungan terperinci Ketahui beberapa fungsi biasa dan penggunaan numpy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!