Detaillierte Einführung in häufig verwendete Funktionen in Pythons Numpy

Dieser Artikel bietet Ihnen eine detaillierte Einführung in häufig verwendete Funktionen in Python. Ich hoffe, dass er für Freunde hilfreich ist.

Numpy ist eine Bibliothek im Zusammenhang mit wissenschaftlichem Rechnen in Python. Sie müssen eingeführt werden, bevor Numpy als NP verwendet wird np.

1.np.arange(n): Erzeugt Ganzzahlen von 0 bis n-1.

2.a.reshape(m,n): Definieren Sie a als Matrix mit m Zeilen und n Spalten neu.

3.a.shape: Drucken Sie die Zeilen und Spalten von a.

4.a.ndim: Finden Sie die Abmessungen von a.

5.a.size: Gibt die Anzahl der Elemente in a aus.

6.np.zeros((m,n)): Erzeugen Sie eine Nullmatrix aus m Zeilen und n Spalten In der Funktion wird ein Tupel übergeben. Die zu diesem Zeitpunkt generierte Matrix 0 hat einen Dezimalpunkt, da der Standarddatentyp des Systems Gleitkomma ist. Um den Ganzzahltyp zu erhalten, sollten wir den Datentyp im Voraus angeben.

7.np.ones((k,m,n),dtype=np.int32): Erzeugen Sie k Identitätsmatrizen mit m Zeilen und n Spalten, und der Datentyp in der Matrix ist eine Ganzzahl.

8.np.arange(m,n,k): Generieren Sie von m bis n geschnittene Daten mit einer Schrittgröße von k.

9.np.linspace(m,n,k): Nehmen Sie k-Werte in gleichen Intervallen in den Daten von m bis n.

10 Wenn A und B Matrizen derselben Dimension sind, dann gibt A*B das Ergebnis der Multiplikation der entsprechenden Positionen von A und zurück B-Matrizen, A.dot(B) oder np.dot(A,B) geben das Ergebnis der Matrixmultiplikation zurück.

11.np.exp(A) oder np.sqrt(B): Ermitteln Sie die B-Potenz von e bzw. das Ergebnis der Quadratwurzel jeder Zahl in Matrix B.

12.np.floor(): Abrunden.

13.a.ravel(): Matrix a in einen Vektor umwandeln. Nach dem Strecken können Sie sie in eine neue Matrix umformen.

14.a.T: Finden Sie die transponierte Matrix von a.

15.a.reshape(n,-1) oder a.reshape(-1,n): Nach der Bestimmung der Zeilen (Spalten) einer Matrix werden auch direkt die entsprechenden Spalten (Zeilen) bestimmt, Geben Sie also einfach -1 ein.

16.np.hstack((a,b)): Matrizen a und b horizontal verbinden.

17.np.vstack((a,b)): Matrizen a und b vertikal verbinden.

18.np.hsplit(a,n): Matrix a seitlich in n Teile schneiden.

19.np.hsplit(a,(m,n)): Horizontal in der Lücke zwischen Index m und n von a teilen.

20.np.vsplit(a,n): Matrix a vertikal in n Teile schneiden.

21.np.hsplit(a,(m,n)): Vertikal in die Lücke mit den Indizes m und n in a schneiden.

22. Kopie der Matrix:

b = a: Die zu diesem Zeitpunkt erhaltenen Adressen von b und a sind genau gleich, das heißt, a und b sind nur unterschiedliche Namen derselben Matrix. Operationen an einer Matrix führen zu derselben Änderung in der anderen Matrix.

b = a.view(): Die zu diesem Zeitpunkt erhaltene Adresse von b unterscheidet sich von der von a, aber die Operation an b ändert a.

b = a.copy(): Was Sie zu diesem Zeitpunkt erhalten, sind zwei völlig unabhängige Matrizen.

23.b = np.tile(a,(m,n )): Erweitern Sie die Anzahl der Zeilen der Matrix a um das m-fache und die Anzahl der Spalten um das n-fache.

24.np.sort(a, axis=k): Sortiermatrix a in k-Dimension.

25.np.argsort(a): Gibt den Indexwert von a in aufsteigender Reihenfolge zurück (die Standardanordnung ist aufsteigend).

Das obige ist der detaillierte Inhalt vonDetaillierte Einführung in häufig verwendete Funktionen in Pythons Numpy. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!