


Tutorial Numpy: Belajar untuk mencipta tatasusunan dari awal, contoh kod khusus diperlukan
Gambaran keseluruhan:
Numpy ialah perpustakaan matematik sumber terbuka untuk Python yang menyediakan sejumlah besar fungsi matematik dan struktur data, terutamanya tatasusunan (Array) . Tatasusunan ialah struktur data yang sangat biasa dan penting dalam pembelajaran mesin dan analisis data, jadi mempelajari cara mencipta dan memanipulasi tatasusunan adalah penting. Tutorial ini bertujuan untuk memperkenalkan penciptaan tatasusunan dalam Numpy dari awal untuk membantu pembaca bermula dengan cepat.
- Import perpustakaan Numpy
Sebelum kita mula, kita perlu mengimport perpustakaan Numpy dahulu. Biasanya, kami menggunakan pernyataan import untuk mengimport perpustakaan Numpy ke dalam kod Python kami.
import numpy as np
- Buat tatasusunan satu dimensi
Dalam Numpy, tatasusunan satu dimensi ialah senarai yang mengandungi unsur-unsur jenis data yang sama. Kita boleh menggunakan fungsindarray
yang disediakan oleh Numpy untuk mencipta tatasusunan satu dimensi.ndarray
函数来创建一维数组。
array_1d = np.array([1, 2, 3, 4, 5]) print(array_1d)
输出:[1 2 3 4 5]
- 创建二维数组
二维数组是一个包含多个行和列的表格结构。我们可以使用多种方法来创建二维数组,其中最常用的是通过列表的列表来创建。
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(array_2d)
输出:
[[1 2 3] [4 5 6] [7 8 9]]
- 创建特定类型的数组
在某些情况下,我们需要创建一个特定类型的数组,比如全0数组、全1数组或者空数组。Numpy提供了一些函数来创建这些特殊类型的数组。
-
创建全0数组
zeros_array = np.zeros((3, 4)) print(zeros_array)
输出:
[[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]]
-
创建全1数组
ones_array = np.ones((2, 3)) print(ones_array)
输出:
[[1. 1. 1.] [1. 1. 1.]]
-
创建空数组
empty_array = np.empty((2, 2)) print(empty_array)
输出:
[[4.94e-323 9.88e-323] [1.48e-322 1.97e-322]]
- 创建序列数组
在某些情况下,我们希望创建一个序列数组,即一个均匀间隔的数组。Numpy提供了arange
函数和linspace
函数来创建这样的数组。
-
使用
arange
函数创建序列数组sequence_array = np.arange(0, 10, 2) print(sequence_array)
输出:[0 2 4 6 8]
-
使用
linspace
函数创建序列数组sequence_array = np.linspace(0, 1, 5) print(sequence_array)
输出:[0. 0.25 0.5 0.75 1. ]
- 随机数组的创建
除了上述方法外,我们还可以使用Numpy提供的随机函数来创建随机数组。常用的随机函数有random
、rand
、randn
和randint
random_array = np.random.random((2, 3)) print(random_array)
- Buat tatasusunan dua dimensi
Tatasusunan dua dimensi ialah struktur jadual yang mengandungi berbilang baris dan lajur. Kita boleh mencipta tatasusunan dua dimensi menggunakan pelbagai kaedah, yang paling biasa adalah daripada senarai senarai.
[[0.59525333 0.78593695 0.30467253] [0.83647996 0.09302248 0.85711096]]
Output: - Buat tatasusunan jenis tertentu
Dalam beberapa kes, kita perlu mencipta tatasusunan jenis tertentu, seperti tatasusunan semua 0s, tatasusunan daripada semua 1s, atau tatasusunan kosong. Numpy menyediakan beberapa fungsi untuk mencipta jenis tatasusunan khas ini.
- Buat tatasusunan semua 0s
[[-0.96338454 -0.44881001 0.01016194] [-0.78893991 -0.32811758 0.11091332] [ 0.87585342 0.49660924 -0.52104011]]
Keluaran:random_int_array = np.random.randint(1, 10, (2, 4)) print(random_int_array)
Buat tatasusunan semua 1s
normal_array = np.random.randn(3, 3) print(normal_array)
[[3 9 3 3] [1 9 7 5]]Keluaran kosong: reee🎜Output: 🎜rrreee 🎜🎜
- 🎜Buat tatasusunan jujukan🎜Dalam sesetengah kes, kami ingin mencipta tatasusunan jujukan, iaitu tatasusunan jarak sekata. Numpy menyediakan fungsi
arange
dan fungsi linspace
untuk mencipta tatasusunan sedemikian. 🎜🎜🎜🎜🎜Gunakan fungsi arange
untuk mencipta tatasusunan jujukan🎜rrreee🎜Output: [0 2 4 6 8]🎜🎜🎜🎜Gunakan fungsi linspace
untuk mencipta tatasusunan jujukan🎜rrreee🎜 Output: [0.25 0.5 0.75 1. ]🎜🎜🎜- 🎜Penciptaan tatasusunan rawak🎜Selain kaedah di atas, kita juga boleh menggunakan fungsi rawak yang disediakan oleh Numpy untuk mencipta tatasusunan rawak. Fungsi rawak yang biasa digunakan termasuk
rand
, randn
dan randint
, dsb. 🎜🎜🎜🎜🎜 Cipta tatasusunan rawak 🎜rrreee🎜 Output: 🎜rrreee🎜🎜🎜 Cipta tatasusunan rawak berikutan taburan normal 🎜rrreee🎜 Output: 🎜rrreee🎜 Cipta tatasusunan rawak🎜🎜 Cipta tatasusunan rawak🎜🎜 🎜 Keluaran: 🎜rr reee🎜🎜🎜 Artikel ini memperkenalkan penciptaan tatasusunan dalam perpustakaan Numpy, termasuk penciptaan tatasusunan satu dimensi dan tatasusunan dua dimensi, serta kaedah penciptaan jenis tatasusunan tertentu, tatasusunan jujukan dan tatasusunan rawak, dan menyediakan contoh kod tertentu. Saya harap tutorial ini dapat membantu pembaca memahami dan menguasai penciptaan tatasusunan dalam Numpy. 🎜Atas ialah kandungan terperinci Tutorial Numpy: Pelajari Penciptaan Array dari Scratch. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Pythonusesahybridmodelofcompilationandinterpretation: 1) thepythoninterpretercompilessourcodcecodeintoplatform-independentbytecode.2) thepythonvirtualmachine (PVM) thenexecutesthisbytecode, BalantingeaseOfusoWithperformance.

Pythonisbothinterpretedandandcompiled.1) it'scompiledtobytecodeforporabilityAcrossplatforms.2) theBytecodeistheninterpreted, membolehkanfordynamictypingandrapiddevelopment, walaupunItmayBeslowerLowerWanLelyCiledlanguages.

ForloopsareidealwhenyonesshenumberofiterationsationseSinadvance, whilewhileloopsarebetterforsituationshipheryouneedtoloopuntilaconditionismet.forloopsaremoreeficientablyandable, yang sesuai, manakala whileloopsoffermorecontrolandareusefereficeficeficeficeficient,

Forloopsareusedwhenthenumberofiterationsisknowninadvance, whilewhileloopsareusedwhenTheiterationsdependonacondition.1) forloopsareidealforiteratingoversequencesLikeListsorArrays.2)

Pythonisnotpurelyinterinterpreted; itusesahybridapproachofbytecodecompilationandruntimeinterpretation.1) pythoncompilessourcecodeintobytecode, whoomeSthenexecutedbythepythonvirtualmachine (pvm)

ToConcatenatelistsinpythonwiththesameelements, gunakan: 1) operatortokokduplicates, 2) asettoremoveduplicates, OR3) listomprehensionfensionfensionfensionfensiontroloverduplicates, setiapmethodhasdifferentperformanceAdordlications.

Pythonisaninterpretedlanguage, menawarkanfuseofuseandflexibilitybutfacingperpormancelimitationsincriticalapplications.1) interpretlanguagesepythonexecuteline-by-line, membolehkanMmediateDebackandrapidprototyping.2)

Useforloopswhenthenumberofiterationsisknowninadvance,andwhileloopswheniterationsdependonacondition.1)Forloopsareidealforsequenceslikelistsorranges.2)Whileloopssuitscenarioswheretheloopcontinuesuntilaspecificconditionismet,usefulforuserinputsoralgorit


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

SublimeText3 Linux versi baharu
SublimeText3 Linux versi terkini

ZendStudio 13.5.1 Mac
Persekitaran pembangunan bersepadu PHP yang berkuasa

SecLists
SecLists ialah rakan penguji keselamatan muktamad. Ia ialah koleksi pelbagai jenis senarai yang kerap digunakan semasa penilaian keselamatan, semuanya di satu tempat. SecLists membantu menjadikan ujian keselamatan lebih cekap dan produktif dengan menyediakan semua senarai yang mungkin diperlukan oleh penguji keselamatan dengan mudah. Jenis senarai termasuk nama pengguna, kata laluan, URL, muatan kabur, corak data sensitif, cangkerang web dan banyak lagi. Penguji hanya boleh menarik repositori ini ke mesin ujian baharu dan dia akan mempunyai akses kepada setiap jenis senarai yang dia perlukan.

Versi Mac WebStorm
Alat pembangunan JavaScript yang berguna

PhpStorm versi Mac
Alat pembangunan bersepadu PHP profesional terkini (2018.2.1).
