Numpy: alat yang berkuasa untuk membina tatasusunan dengan cekap

Numpy: Alat yang berkuasa untuk mencipta tatasusunan dengan pantas

Numpy (Numerical Python) ialah salah satu perpustakaan pengkomputeran saintifik yang biasa digunakan dalam Python Ia menyediakan objek tatasusunan berbilang dimensi yang cekap dan fungsi operasi yang sepadan, yang boleh melaksanakan besar- operasi data skala, dan juga merupakan asas bagi banyak perpustakaan pengkomputeran saintifik lain. Dalam bidang seperti sains data, pembelajaran mesin dan pembelajaran mendalam, operasi tatasusunan numpy yang cekap adalah amat diperlukan dan menggunakan numpy untuk mencipta tatasusunan dengan cepat ialah salah satu fungsi pentingnya.

Numpy menyediakan pelbagai kaedah untuk mencipta tatasusunan Berikut adalah beberapa kaedah yang biasa digunakan, bersama-sama dengan contoh kod tertentu.

1. Buat tatasusunan menggunakan senarai python
   Gunakan fungsi np.array() untuk menukar senarai ular sawa kepada tatasusunan numpy.

   import numpy as np
   
   list1 = [1, 2, 3, 4, 5]
   array1 = np.array(list1)
   print(array1)

   Hasil keluaran:

   [1 2 3 4 5]

2. Gunakan fungsi yang disediakan oleh numpy untuk mencipta tatasusunan jenis tertentu
   Sebagai contoh, gunakan fungsi np.zeros() untuk mencipta tatasusunan semua-sifar, dan gunakan np. fungsi ones() untuk mencipta Tatasusunan tatasusunan semua-satu, gunakan fungsi np.arange() untuk mencipta tatasusunan jujukan aritmetik.

   import numpy as np
   
   # 创建全零数组
   zero_array = np.zeros((2, 3))
   print(zero_array)
   
   # 创建全一数组
   ones_array = np.ones((2, 3))
   print(ones_array)
   
   # 创建等差数列数组
   arange_array = np.arange(1, 10, 2)
   print(arange_array)

   Hasil keluaran:

   [[0. 0. 0.]
    [0. 0. 0.]]
   
   [[1. 1. 1.]
    [1. 1. 1.]]
   
   [1 3 5 7 9]

3. Gunakan fungsi rawak yang disediakan oleh numpy untuk mencipta tatasusunan rawak
   numpy menyediakan pelbagai fungsi rawak yang boleh digunakan untuk mencipta pelbagai jenis tatasusunan rawak.

   import numpy as np
   
   # 创建随机数组
   random_array = np.random.random((2, 3))
   print(random_array)
   
   # 创建随机整数数组
   randint_array = np.random.randint(1, 10, (2, 3))
   print(randint_array)
   
   # 创建服从正态分布的随机数组
   normal_array = np.random.normal(0, 1, (2, 3))
   print(normal_array)

   Hasil keluaran:

   [[0.95013914 0.51356046 0.59365896]
    [0.60093207 0.66674617 0.41265148]]
   
   [[9 5 7]
    [2 3 5]]
   
   [[ 0.0748576  -0.3003907   0.89676223]
    [ 0.11659403 -0.45642916 -2.63455294]]

4. Gunakan fungsi khas yang disediakan oleh numpy untuk mencipta tatasusunan khas
   numpy menyediakan beberapa fungsi khas untuk mencipta jenis tatasusunan khas, seperti np.eye() boleh mencipta matriks identiti, np. linspace( ) boleh mencipta tatasusunan jarak sama rata.

   import numpy as np
   
   # 创建单位矩阵
   eye_array = np.eye(3)
   print(eye_array)
   
   # 创建均匀间隔的数组
   linspace_array = np.linspace(0, 1, 5)
   print(linspace_array)

   Hasil keluaran:

   [[1. 0. 0.]
    [0. 1. 0.]
    [0. 0. 1.]]
   
   [0.   0.25 0.5  0.75 1.  ]

Melalui kaedah biasa di atas, kita boleh mencipta pelbagai jenis tatasusunan dengan cepat. Dalam aplikasi praktikal, menggunakan numpy untuk mencipta tatasusunan dengan cepat boleh meningkatkan kecekapan pemprosesan data, di samping meningkatkan kebolehbacaan dan kebolehselenggaraan kod. Oleh itu, untuk saintis data Python dan jurutera pembelajaran mesin, menguasai kaedah penciptaan pantas tatasusunan numpy ialah kemahiran asas yang penting.

Atas ialah kandungan terperinci Numpy: alat yang berkuasa untuk membina tatasusunan dengan cekap. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!