Was sind die Numpy-Funktionen?

Numpy-Funktionen umfassen np.sin(), np.cos(), np.tan(), np.exp(), np.log(), np.log10(), np.log2(), np.mean (), np.median(), np.var(), np.std(), np.max(), np.min(), np.percentile() usw.

Das Betriebssystem dieses Tutorials: Windows 10-System, Python-Version 3.11.4, DELL G3-Computer.

NumPy ist eine wichtige Bibliothek für numerische Berechnungen in Python. Sie bietet eine Fülle mathematischer, logischer, statistischer und linearer Algebrafunktionen. Im Folgenden sind einige häufig verwendete Funktionen in NumPy und ihre Anwendungsbeispiele aufgeführt:

1. Mathematische Funktionen:

np.sin(), np.cos(), np.tan(): Berechnen Sie den Sinus jedes Elements in der Array-, Kosinus- und Tangenswert.

np.exp(): Berechnen Sie den Exponentenwert jedes Elements im Array.

np.log(), np.log10(), np.log2(): Berechnen Sie jeweils den natürlichen Logarithmus, den Logarithmus zur Basis 10 und den Logarithmus zur Basis 2 jedes Elements im Array.

import numpy as np
arr = np.array([1, 2, 3])
print(np.sin(arr))
print(np.exp(arr))
print(np.log10(arr))

2. Statistische Funktionen:

np.mean(), np.median(), np.var(), np.std(): Berechnen Sie den Mittelwert, den Median, die Varianz und den Standard des Arrays bzw. die Differenz .

np.max(), np.min(): Berechnen Sie die Maximal- und Minimalwerte des Arrays.

np.percentile(): Berechnet das Perzentil eines Arrays.

import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr))
print(np.max(arr))
print(np.percentile(arr, 50))

3. Logische Funktionen:

np.logical_and(), np.logical_or(), np.logical_not(): Führen Sie jeweils logische UND-, logische ODER- und NICHT-Operationen durch.

np.all(), np.any(): Bestimmen Sie, ob alle Elemente im Array wahr sind oder ob ein Element wahr ist.

import numpy as np
arr1 = np.array([True, True, False])
arr2 = np.array([False, True, False])
print(np.logical_and(arr1, arr2))
print(np.any(arr1))

4. Lineare Algebra-Funktion:

np.dot(): Berechnen Sie das Skalarprodukt zweier Arrays.

np.linalg.inv(): Berechnen Sie die inverse Matrix einer Matrix.

np.linalg.det(): Berechnen Sie den Determinantenwert der Matrix.

import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
print(np.dot(arr1, arr2))
print(np.linalg.inv(arr1))
print(np.linalg.det(arr1))

Dies sind nur eine der häufig verwendeten Funktionen in NumPy. Es bietet auch viele andere Funktionen, wie z. B. Bildverarbeitungsfunktionen, numerische Integrationsfunktionen, diskrete Fourier-Transformationsfunktionen usw. Diese Funktionen stellen sehr leistungsstarke Werkzeuge für numerische Berechnungen bereit und machen NumPy zu einem unverzichtbaren Bestandteil im Bereich des wissenschaftlichen Rechnens. Hoffentlich helfen Ihnen diese Beispiele dabei, die Funktionen in NumPy besser zu verstehen.

Das obige ist der detaillierte Inhalt vonWas sind die Numpy-Funktionen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!