Panduan pemasangan dan penggunaan untuk perpustakaan numpy

Tutorial tentang cara memasang dan menggunakan perpustakaan numpy

Pengenalan:
numpy ialah perpustakaan penting untuk pengkomputeran saintifik dalam Python, terutamanya digunakan untuk operasi tatasusunan, operasi matriks dan fungsi matematik. Artikel ini akan memperkenalkan cara memasang perpustakaan numpy, serta penggunaan fungsi biasa dan contoh kod khusus.

1. Pasang perpustakaan numpy
Pustaka numpy boleh dipasang melalui arahan pip. Masukkan arahan berikut pada baris arahan untuk melengkapkan pemasangan:

pip install numpy

2. Import perpustakaan numpy
Selepas pemasangan berjaya, kita perlu mengimport perpustakaan numpy ke dalam kod Python untuk menggunakan fungsinya. Lazimnya mengimport dengan cara berikut:

import numpy as np

Dengan cara ini anda boleh menggunakan np sebagai alias untuk perpustakaan numpy untuk memudahkan panggilan fungsi berikutnya.

3. Penciptaan tatasusunan
Gunakan perpustakaan numpy untuk mencipta tatasusunan berbilang dimensi. Kaedah yang biasa digunakan untuk mencipta tatasusunan adalah seperti berikut:

1. Buat tatasusunan secara terus
   Anda boleh menggunakan fungsi tatasusunan dalam perpustakaan numpy untuk mencipta tatasusunan secara terus.

   import numpy as np
   arr1 = np.array([1, 2, 3, 4])
   arr2 = np.array([[1, 2], [3, 4]])

2. Gunakan fungsi arange untuk mencipta tatasusunan aritmetik
   Gunakan fungsi arange perpustakaan numpy untuk mencipta tatasusunan aritmetik.

   import numpy as np
   arr = np.arange(1, 10, 2)

3. Gunakan fungsi linspace untuk mencipta tatasusunan sama jarak
   Gunakan fungsi linspace perpustakaan numpy untuk mencipta tatasusunan yang sama jaraknya.

   import numpy as np
   arr = np.linspace(1, 10, 5)

4. Operasi tatasusunan
Pustaka numpy menyokong pelbagai operasi pada tatasusunan, termasuk operasi matematik, operasi logik dan operasi statistik.

1. Operasi matematik
   Perpustakaan numpy menyokong kebanyakan fungsi operasi matematik, seperti jumlah, purata, maksimum, minimum, dll.

   import numpy as np
   arr = np.array([1, 2, 3, 4])
   sum = np.sum(arr)  # 求和
   mean = np.mean(arr)  # 平均值
   max = np.max(arr)  # 最大值
   min = np.min(arr)  # 最小值

2. Operasi logik
   Pustaka numpy juga menyokong operasi logik, seperti DAN, ATAU, BUKAN, dsb.

   import numpy as np
   arr1 = np.array([True, False, True])
   arr2 = np.array([True, True, False])
   and_result = np.logical_and(arr1, arr2)  # 逻辑与运算
   or_result = np.logical_or(arr1, arr2)  # 逻辑或运算
   not_result = np.logical_not(arr1)  # 逻辑非运算

3. Operasi statistik
   Pustaka numpy menyediakan beberapa fungsi operasi statistik yang biasa digunakan, seperti jumlah, min, sisihan piawai, dsb.

   import numpy as np
   arr = np.array([[1, 2, 3], [4, 5, 6]])
   sum = np.sum(arr, axis=0)  # 沿列方向求和
   mean = np.mean(arr, axis=1)  # 沿行方向求平均值
   std = np.std(arr)  # 求标准差

Di atas hanyalah sebilangan kecil contoh operasi dalam perpustakaan numpy Untuk lebih banyak fungsi operasi, sila rujuk dokumentasi rasmi numpy.

5 Operasi matriks
Pustaka numpy juga menyokong operasi matriks, termasuk penciptaan matriks, transposisi matriks, pendaraban matriks, dsb.

1. Penciptaan matriks
   Fungsi matriks disediakan dalam perpustakaan numpy untuk mencipta matriks.

   import numpy as np
   mat1 = np.matrix([[1, 2], [3, 4]])
   mat2 = np.matrix([[5, 6], [7, 8]])

2. Transpose matriks
   Gunakan fungsi transpose perpustakaan numpy untuk menukar matriks.

   import numpy as np
   mat1 = np.matrix([[1, 2], [3, 4]])
   mat2 = np.transpose(mat1)

3. Pendaraban matriks
   Pustaka numpy menyokong operasi pendaraban matriks Anda boleh menggunakan fungsi titik perpustakaan numpy untuk melaksanakan operasi pendaraban matriks.

   import numpy as np
   mat1 = np.matrix([[1, 2], [3, 4]])
   mat2 = np.matrix([[5, 6], [7, 8]])
   result = np.dot(mat1, mat2)

6. Ringkasan
Pustaka numpy, sebagai perpustakaan pengkomputeran saintifik yang penting dalam Python, memberikan kami banyak operasi tatasusunan, operasi matriks dan fungsi matematik. Artikel ini memperkenalkan kaedah pemasangan perpustakaan numpy, dan memberikan penggunaan fungsi biasa dan contoh kod khusus. Saya harap artikel ini akan membantu pembaca, dan pembaca juga dialu-alukan untuk mempelajari lebih lanjut fungsi lain dan penggunaan lanjutan perpustakaan numpy.

Atas ialah kandungan terperinci Panduan pemasangan dan penggunaan untuk perpustakaan numpy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!