首頁  >  文章  >  後端開發  >  numpy函數大全及其用途:詳解numpy庫中的所有函數

numpy函數大全及其用途:詳解numpy庫中的所有函數

王林
王林原創
2024-01-26 11:02:16882瀏覽

numpy函數大全及其用途:詳解numpy庫中的所有函數

numpy函數大全:詳解numpy庫中的全部函數及其用途,需要具體程式碼範例

導語:
在資料分析與科學計算領域中,常常需要處理大規模的數值資料。 numpy是Python中最常用的一個開源庫,提供了高效的多維數組物件和一系列用於操作數組的函數。本文將詳細介紹numpy庫中的全部函數及其用途,並給出具體的程式碼範例,幫助讀者更好地理解並使用numpy庫。

一、陣列的建立與變形

  1. np.array():建立數組,並將輸入的資料轉換為ndarray物件。
import numpy as np

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

輸出結果為:

[1 2 3 4 5]
  1. np.arange():建立等差數組。
import numpy as np

arr = np.arange(0, 10, 2)
print(arr)

輸出結果為:

[0 2 4 6 8]
  1. np.zeros():建立元素全為0的陣列。
import numpy as np

arr = np.zeros((2, 3))
print(arr)

輸出結果為:

[[0. 0. 0.]
 [0. 0. 0.]]
  1. np.ones():建立元素全為1的陣列。
import numpy as np

arr = np.ones((2, 3))
print(arr)

輸出結果為:

[[1. 1. 1.]
 [1. 1. 1.]]
  1. np.linspace():建立等間距陣列。
import numpy as np

arr = np.linspace(0,1,5)
print(arr)

輸出結果為:

[0.   0.25 0.5  0.75 1.  ]
  1. np.eye():建立對角線為1的矩陣。
import numpy as np

arr = np.eye(3)
print(arr)

輸出結果為:

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

二、陣列的運算與運算

  1. 陣列的形狀運算
  • np.reshape():改變陣列的形狀。
import numpy as np

arr = np.arange(1, 10)
arr_reshape = np.reshape(arr, (3, 3))
print(arr_reshape)

輸出結果為:

[[1 2 3]
 [4 5 6]
 [7 8 9]]
  • arr.flatten():將多維數組轉換為一維數組。
import numpy as np

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

輸出結果為:

[1 2 3 4 5 6]
  1. 陣列的元素運算
  • np.sort():對陣列的元素進行排序。
import numpy as np

arr = np.array([3, 1, 5, 2, 4])
arr_sorted = np.sort(arr)
print(arr_sorted)

輸出結果為:

[1 2 3 4 5]
  • np.argmax():傳回陣列中最大元素的索引。
import numpy as np

arr = np.array([3, 1, 5, 2, 4])
max_index = np.argmax(arr)
print(max_index)

輸出結果為:

2
  1. 陣列的運算
  • np.add():兩個陣列相加。
import numpy as np

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

輸出結果為:

[5 7 9]
  • np.dot():對兩個陣列進行點乘。
import numpy as np

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

輸出結果為:

32

三、統計函數與線性代數函數

  1. 統計函數
  • np.mean():計算陣列的平均值。
import numpy as np

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

輸出結果為:

3.0
  • np.std():計算陣列的標準差。
import numpy as np

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

輸出結果為:

1.4142135623730951
  1. 線性代數函數
  • np.linalg.det():計算矩陣的行列式。
import numpy as np

matrix = np.array([[1, 2], [3, 4]])
det = np.linalg.det(matrix)
print(det)

輸出結果為:

-2.0000000000000004
  • np.linalg.inv():計算矩陣的逆矩陣。
import numpy as np

matrix = np.array([[1, 2], [3, 4]])
inv = np.linalg.inv(matrix)
print(inv)

輸出結果為:

[[-2.   1. ]
 [ 1.5 -0.5]]

四、輔助函數與通用函數

  1. 輔助函數
  • np.loadtxt():從文字檔案載入資料。
import numpy as np

arr = np.loadtxt('data.txt')
print(arr)
  • np.savetxt():將資料儲存到文字檔案。
import numpy as np

arr = np.array([1, 2, 3, 4, 5])
np.savetxt('data.txt', arr)
  1. 通用函數
  • np.sin():計算陣列中元素的正弦值。
import numpy as np

arr = np.array([0, np.pi / 2, np.pi])
sin_val = np.sin(arr)
print(sin_val)

輸出結果為:

[0.         1.         1.2246468e-16]
  • np.exp():計算陣列中元素的指數值。
import numpy as np

arr = np.array([1, 2, 3])
exp_val = np.exp(arr)
print(exp_val)

輸出結果為:

[ 2.71828183  7.3890561  20.08553692]

本文僅展示了numpy庫中的一小部分函數,numpy還有更多強大的函數和功能。希望讀者能在實際程式設計上靈活運用numpy函式庫的函數,提升資料處理的效率與精確度。

以上是numpy函數大全及其用途:詳解numpy庫中的所有函數的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn