Petua untuk mencipta tatasusunan berbilang dimensi dengan cepat menggunakan Numpy

Petua untuk mencipta tatasusunan berbilang dimensi dengan cepat menggunakan Numpy

Numpy ialah salah satu perpustakaan pengkomputeran saintifik yang paling biasa digunakan dalam Python Ia menyediakan objek tatasusunan berbilang dimensi (ndarray) yang cekap dan menyokong pelbagai operasi tatasusunan dan operasi matematik. Dalam analisis data dan pengiraan berangka, selalunya perlu untuk mencipta dan memanipulasi tatasusunan berbilang dimensi. Artikel ini akan memperkenalkan beberapa teknik untuk mencipta tatasusunan berbilang dimensi dengan cepat menggunakan Numpy, dan melampirkan contoh kod tertentu.

1. Mencipta tatasusunan satu dimensi
   Tatasusunan satu dimensi Numpy boleh dibuat terus menggunakan objek senarai. Contohnya, untuk mencipta tatasusunan satu dimensi yang mengandungi integer 1 hingga 5 anda boleh menggunakan kod berikut:

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

   Outputnya ialah: [1 2 3 4 5].

2. Mencipta tatasusunan dua dimensi
   Apabila mencipta tatasusunan dua dimensi, anda boleh menggunakan senarai senarai untuk mewakili data dalam bentuk matriks. Sebagai contoh, untuk mencipta tatasusunan dua dimensi dengan 3 baris dan 3 lajur, anda boleh menggunakan kod berikut:

   import numpy as np
   arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
   print(arr)

   Hasil output ialah:

   [[1 2 3]
    [4 5 6]
    [7 8 9]]

   Selain itu, anda juga boleh menggunakan beberapa fungsi yang disediakan oleh Numpy untuk mencipta tatasusunan dua dimensi bagi bentuk tertentu. Sebagai contoh, untuk mencipta matriks semua sifar dengan 3 baris dan 3 lajur, anda boleh menggunakan kod berikut:

   import numpy as np
   arr = np.zeros((3, 3))
   print(arr)

   Hasil output ialah:

   [[0.  0.  0.]
    [0.  0.  0.]
    [0.  0.  0.]]

3. Mencipta tatasusunan berbilang dimensi
   Numpy menyokong mencipta tatasusunan dimensi arbitrari . Contohnya, untuk mencipta tatasusunan tiga dimensi dengan 3 baris, 3 lajur dan 3 kedalaman, anda boleh menggunakan kod berikut:

   import numpy as np
   arr = np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9]],
                   [[10, 11, 12], [13, 14, 15], [16, 17, 18]],
                   [[19, 20, 21], [22, 23, 24], [25, 26, 27]]])
   print(arr)

   Hasil output ialah:

   [[[ 1 2 3]
     [ 4 5 6]
     [ 7 8 9]]
   
    [[10 11 12]
     [13 14 15]
     [16 17 18]]
   
    [[19 20 21]
     [22 23 24]
     [25 26 27]]]

4. Gunakan fungsi yang disediakan oleh Numpy untuk mencipta tatasusunan daripada bentuk tertentu
   Dalam aplikasi praktikal, kadangkala kita perlu mencipta Tatasusunan beberapa bentuk tertentu. Numpy menyediakan beberapa fungsi untuk membuat tatasusunan ini dengan mudah. Contohnya:

   • np.zeros(shape): Mencipta tatasusunan semua sifar, bentuk ialah parameter tupel yang mewakili bentuk.
   • np.ones(shape): Buat tatasusunan semua-satu, parameter bentuk adalah sama seperti di atas.
   • np.full(shape, value): Buat tatasusunan bentuk yang ditentukan, setiap elemen adalah nilai yang sama.
   • np.eye(N): Buat matriks identiti dengan N baris dan N lajur.
   • np.random.random(shape): Buat tatasusunan rawak bagi bentuk yang ditentukan, dengan unsur antara 0 hingga 1.

   Berikut adalah beberapa contoh:

   import numpy as np
   
   arr_zeros = np.zeros((2, 3))  # 创建一个2行3列的全零数组
   print(arr_zeros)
   
   arr_ones = np.ones((2, 3))  # 创建一个2行3列的全一数组
   print(arr_ones)
   
   arr_full = np.full((2, 3), 5)  # 创建一个2行3列的数组，每个元素都是5
   print(arr_full)
   
   arr_eye = np.eye(3)  # 创建一个3行3列的单位矩阵
   print(arr_eye)
   
   arr_random = np.random.random((2, 3))  # 创建一个2行3列的随机数组
   print(arr_random)

   Hasil keluarannya ialah:

   [[0. 0. 0.]
    [0. 0. 0.]]
   
   [[1. 1. 1.]
    [1. 1. 1.]]
   
   [[5 5 5]
    [5 5 5]]
   
   [[1. 0. 0.]
    [0. 1. 0.]
    [0. 0. 1.]]
   
   [[0.34634205 0.24187985 0.32349873]
    [0.76366044 0.10267694 0.07813336]]

Dengan pelbagai teknik untuk mencipta tatasusunan berbilang dimensi yang disediakan oleh Numpy, kami boleh mencipta tatasusunan pelbagai bentuk dengan mudah dan menggunakannya dalam pengkomputeran saintifik dan data yang digunakan dalam analisis. Pada masa yang sama, Numpy juga menyediakan pelbagai fungsi operasi tatasusunan dan kaedah operasi matematik, yang boleh mengendalikan tugas pengkomputeran pada tatasusunan berbilang dimensi dengan cekap. Bagi pengguna yang menggunakan Numpy untuk pengkomputeran saintifik dan analisis data, adalah sangat penting untuk menguasai kemahiran mencipta tatasusunan berbilang dimensi dengan cepat.

Atas ialah kandungan terperinci Petua untuk mencipta tatasusunan berbilang dimensi dengan cepat menggunakan Numpy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!