Numpy函式庫常用函數大全：快速上手與實作指南

Numpy函式庫是Python中最常用的資料處理庫之一，它憑藉著其高效、便捷的操作方式廣受資料分析人員的喜愛。在Numpy函式庫中，有許多常用的函數可以幫助我們快速、有效率地完成資料處理任務。本篇文章將介紹一些常用的Numpy函數，並提供程式碼範例和實際應用場景，讓讀者能夠更快地上手Numpy函式庫。

一、建立陣列

1. numpy.array

函數原型：numpy.array(object, dtype=None, copy=True, order= 'K', subok=False, ndmin=0)

功能描述：將列表等物件轉換為陣列。

程式碼實例：

import numpy as np

a = np.array([1, 2, 3])
print(a)  # 输出 [1 2 3]

2. numpy.zeros

#函數原型：numpy.zeros(shape, dtype=float, order='C')

功能描述：建立指定形狀的全零數組。

程式碼實例：

import numpy as np

a = np.zeros((2, 3))
print(a)  # 输出 [[0. 0. 0.]
          #      [0. 0. 0.]]

3. numpy.ones

函數原型：numpy.ones(shape, dtype=None, order='C')

功能描述：建立指定形狀的全一數組。

程式碼實例：

import numpy as np

a = np.ones((2, 3))
print(a)  # 输出 [[1. 1. 1.]
          #      [1. 1. 1.]]

4. numpy.arange

函數原型：numpy.arange(start, stop, step, dtype=None)

功能描述：建立等差數組數組。

程式碼實例：

import numpy as np

a = np.arange(0, 10, 2)
print(a)  # 输出 [0 2 4 6 8]

二、陣列的運算

1. numpy.reshape

函數原型：numpy.reshape(a , newshape, order='C')

功能描述：將陣列a轉換為指定形狀的新陣列。

程式碼實例：

import numpy as np

a = np.array([1, 2, 3, 4, 5, 6])
b = a.reshape((2, 3))
print(b)  # 输出 [[1 2 3]
          #      [4 5 6]]

2. numpy.transpose

#函數原型：numpy.transpose(a, axes=None)

功能描述：對陣列進行轉置操作。

程式碼實例：

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.transpose(a)
print(b)  # 输出 [[1 4]
          #      [2 5]
          #      [3 6]]

3. numpy.concatenate

函數原型：numpy.concatenate((a1, a2, ...), axis= 0)

功能說明：對陣列進行拼接操作。

程式碼實例：

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = np.concatenate((a, b), axis=0)
print(c)  # 输出 [[1 2] 
          #      [3 4] 
          #      [5 6] 
          #      [7 8]]

三、陣列的計算

1. #numpy.abs

函數原型：numpy.abs(x , args, *kwargs)

功能描述：計算陣列中各元素的絕對值。

程式碼實例：

import numpy as np

a = np.array([-1, 2, -3])
b = np.abs(a)
print(b)  # 输出 [1 2 3]

2. numpy.round

#函數原型：numpy.round(a, decimals=0, out=None)

功能描述：將陣列中的元素四捨五入。

程式碼實例：

import numpy as np

a = np.array([1.3, 2.6, 3.2])
b = np.round(a)
print(b)  # 输出 [1. 3. 3.]

3. numpy.sum

#函數原型：numpy.sum(a, axis=None)

#功能描述：計算數組中各元素總和。

程式碼實例：

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.sum(a, axis=0)
print(b)  # 输出 [4 6]

四、常用數學函數

1. #numpy.exp

函數原型：numpy.exp(x , args, *kwargs)

功能描述：計算陣列中各元素的指數函數值。

程式碼實例：

import numpy as np

a = np.array([1, 2, 3])
b = np.exp(a)
print(b)  # 输出 [ 2.71828183  7.3890561  20.08553692]

2. numpy.log

#函數原型：numpy.log(x, args, *kwargs )

功能描述：計算數組中各元素的自然對數。

程式碼實例：

import numpy as np

a = np.array([1, 2, 3])
b = np.log(a)
print(b)  # 输出 [0.         0.69314718 1.09861229]

3. numpy.sqrt

函數原型：numpy.sqrt(x, args, *kwargs )

功能描述：計算數組中各元素的平方根。

程式碼實例：

import numpy as np

a = np.array([1, 4, 9])
b = np.sqrt(a)
print(b)  # 输出 [1. 2. 3.]

五、實際應用場景

1. #模擬多項式函數

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-5, 5, num=50)
y = np.power(x, 3) - 3 * np.power(x, 2) + 2 * x + 1

plt.plot(x, y)
plt.show()

2. 陣列加權求和

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([0.1, 0.2, 0.3, 0.4])

result = np.sum(a * b)
print(result)  # 输出 2.0

3. 對陣列進行排序

import numpy as np

a = np.array([3, 2, 1, 4])
b = np.sort(a)

print(b)  # 输出 [1 2 3 4]

#總結：

本篇文章介紹了Numpy函式庫的一些常用函數和應用程式場景，包括數組的創建、操作、計算，以及一些數學函數。我們可以根據實際應用場景靈活使用這些函數，讓資料處理更有效率且方便。建議讀者自己動手寫程式碼實作一下，加深對Numpy函式庫的理解與掌握。

以上是Numpy函式庫常用函數大全：快速上手與實作指南的詳細內容。更多資訊請關注PHP中文網其他相關文章！