Koleksi lengkap fungsi yang biasa digunakan dalam perpustakaan Numpy: membuka kunci teknik pengkomputeran saintifik yang cekap

Senarai lengkap fungsi yang biasa digunakan dalam perpustakaan Numpy: Membuka kunci kemahiran pengkomputeran saintifik yang cekap

Untuk pengkomputeran saintifik dalam Python, perpustakaan Numpy ialah alat penting. Untuk membantu pembaca menggunakan pustaka Numpy dengan lebih baik, artikel ini akan memperkenalkan beberapa fungsi Numpy yang biasa digunakan, serta penggunaan dan contohnya.

1. Buat tatasusunan

• np.array(): Cipta tatasusunan daripada senarai Python dan tupel.
• np.zeros(): Buat tatasusunan semua sifar.
• np.ones(): Buat tatasusunan kesemuanya.
• np.full(): Buat tatasusunan nilai arbitrari.
• np.arange(): Mencipta tatasusunan yang serupa dengan fungsi julat Python.
• np.linspace(): Buat tatasusunan dalam selang waktu yang ditentukan.

Contoh:

import numpy as np

# 从 Python 列表和元组创建数组
arr1 = np.array([1, 2, 3, 4, 5])
arr2 = np.array((1, 2, 3))

# 创建全 0 数组
zeros_arr = np.zeros((2, 3))

# 创建全 1 数组
ones_arr = np.ones((2, 3))

# 创建一个任意值的数组
full_arr = np.full((2, 3), 4)

# 创建一个类似于 Python range 函数的数组
range_arr = np.arange(0, 10, 2)

# 创建一个在指定间隔内的数组
linspace_arr = np.linspace(0, 1, 5)

2. Fungsi matematik asas

• np.add(): Penambahan dua tatasusunan.
• np.subtract(): Penolakan dua tatasusunan.
• np.multiply(): Pendaraban dua tatasusunan.
• np.divide(): Pembahagian dua tatasusunan.
• np.power(): Kira set nombor yang dinaikkan kepada kuasa yang ditentukan.
• np.sqrt(): Cari punca kuasa dua setiap elemen.

Contoh:

import numpy as np

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

# 两个数组的加法
add_arr = np.add(arr1, arr2)

# 两个数组的减法
sub_arr = np.subtract(arr1, arr2)

# 两个数组的乘法
mul_arr = np.multiply(arr1, arr2)

# 两个数组的除法
div_arr = np.divide(arr1, arr2)

# 将一组数按照指定的次数幂进行计算
power_arr = np.power(arr1, 2)

# 对每个元素求开方
sqrt_arr = np.sqrt(arr2)

3. Operasi tatasusunan

• np.transpose(): Tukar paksi tatasusunan.
• np.reshape(): Takrif semula bentuk tatasusunan.
• np.concatenate(): Gabungkan berbilang tatasusunan.
• np.split(): Pisahkan tatasusunan kepada berbilang tatasusunan.
• np.sort(): Isih tatasusunan mengikut keperluan yang ditentukan.

Contoh:

import numpy as np

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

# 交换数组的轴
transpose_arr = np.transpose(arr)

# 重新定义数组形状
reshape_arr = np.reshape(arr, (2, 3))

# 对多个数组进行拼接
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
concat_arr = np.concatenate((arr1, arr2), axis=0)

# 将一个数组分裂成多个数组
split_arr = np.split(concat_arr, 2)

# 按照指定要求进行数组排序
sort_arr = np.sort(arr1)

4. Fungsi statistik

• np.sum(): Lakukan pengiraan jumlah pada tatasusunan.
• np.mean(): Kira purata tatasusunan.
• np.std(): Kira sisihan piawai tatasusunan.
• np.var(): Kira varians tatasusunan.
• np.max(): Kira nilai maksimum tatasusunan.
• np.min(): Kira nilai minimum tatasusunan.

Contoh:

import numpy as np

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

# 对数组进行求和计算
sum_arr = np.sum(arr)

# 对数组进行求平均数计算
mean_arr = np.mean(arr)

# 对数组进行求标准差计算
std_arr = np.std(arr)

# 对数组进行求方差计算
var_arr = np.var(arr)

# 对数组进行求最大值计算
max_arr = np.max(arr)

# 对数组进行求最小值计算
min_arr = np.min(arr)

Ringkasan

Perpustakaan Numpy menyediakan fungsi alat yang sangat berkuasa untuk membantu menyelesaikan pelbagai tugas pengkomputeran saintifik dengan cepat dan cekap. Artikel ini memperkenalkan beberapa fungsi yang biasa digunakan dan cara menggunakannya, termasuk mencipta tatasusunan, fungsi asas matematik, operasi tatasusunan, fungsi statistik, dsb. Diharapkan para pembaca dapat menguasai penggunaan fungsi-fungsi tersebut dan meningkatkan kecekapan kerja dalam proses pengiraan saintifik yang sebenar.

Atas ialah kandungan terperinci Koleksi lengkap fungsi yang biasa digunakan dalam perpustakaan Numpy: membuka kunci teknik pengkomputeran saintifik yang cekap. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!