Lernen Sie die Hauptfunktionen in der Numpy-Funktionsbibliothek kennen und wenden Sie sie an

Beherrschen Sie die Schlüsselfunktionen und ihre Anwendungen in der Numpy-Funktionsbibliothek

Im Bereich Datenwissenschaft und maschinelles Lernen ist Numpy eine sehr wichtige Python-Bibliothek, die leistungsstarke mehrdimensionale Array-Objekte und verschiedene mathematische Funktionen bereitstellt . In diesem Artikel werden einige Schlüsselfunktionen in Numpy vorgestellt und spezifische Codebeispiele bereitgestellt, um den Lesern zu helfen, diese Funktionen besser zu verstehen und zu verwenden.

1. numpy-Array-Erstellung und -Initialisierung

numpy bietet eine Vielzahl von Methoden zum Erstellen und Initialisieren von Arrays. Die einfachste davon ist die Verwendung der Funktion numpy.array():

import numpy as np

# 创建一维数组
arr1d = np.array([1, 2, 3, 4, 5])
print(arr1d)

# 创建二维数组
arr2d = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2d)

# 创建全零数组
zeros = np.zeros((3, 3))
print(zeros)

# 创建全一数组
ones = np.ones((2, 2))
print(ones)

# 创建指定范围的数组
range_arr = np.arange(1, 10)
print(range_arr)

2. Array-Operationen

numpy bietet viele Funktionen für die Bearbeitung von Arrays, einschließlich der Berechnung der Summe, des Mittelwerts, der Standardabweichung usw. des Arrays Elemente. Hier sind einige Beispiele für häufig verwendete Array-Manipulationsfunktionen:

import numpy as np

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

# 计算数组元素的和
print(np.sum(arr))

# 计算数组元素的平均值
print(np.mean(arr))

# 计算数组元素的标准差
print(np.std(arr))

# 沿指定轴计算数组元素的和
print(np.sum(arr, axis=0))  # 沿着列的方向求和
print(np.sum(arr, axis=1))  # 沿着行的方向求和

# 数组的合并和分割
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])

# 合并数组
concat_arr = np.concatenate((arr1, arr2))
print(concat_arr)

# 按指定轴分割数组
split_arr = np.split(concat_arr, 2, axis=1)
print(split_arr)

3. Array-Indizierung und Slicing

Mit Numpy können Sie Arrays ganz einfach indizieren und segmentieren. Hier sind einige häufig verwendete Beispiele:

import numpy as np

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

# 获取指定位置的元素
print(arr[2])  # 输出：3

# 切片操作
print(arr[1:4] ) # 输出：[2, 3, 4]

# 多维数组的索引和切片
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 获取指定位置的元素
print(arr[0, 1])  # 输出：2

# 切片操作
print(arr[:2, 1:])  # 输出：[[2,3], [5,6]]

4. Array-Form und Umformung

numpy bietet eine Reihe von Funktionen und Methoden zum Bearbeiten der Form eines Arrays, z. B. zum Ändern der Abmessungen des Arrays, zum Umformen des Arrays usw. Beispiele sind wie folgt:

import numpy as np

# 改变数组形状
arr = np.array([[1, 2, 3], [4, 5, 6]])
reshaped_arr = np.reshape(arr, (3, 2))
print(reshaped_arr)

# 获取数组的形状
print(arr.shape)  # 输出：(2, 3)

# 将多维数组展平为一维数组
flatten_arr = arr.flatten()
print(flatten_arr)

5. Operationen an Array-Elementen

numpy bietet eine Reihe von Funktionen zum Ausführen mathematischer Operationen an Array-Elementen, wie z. B. Quadratberechnung, Wurzelbildung, Logarithmierung usw. Hier sind einige Beispiele:

import numpy as np

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

# 计算数组元素的平方
print(np.power(arr, 2))

# 计算数组元素的开方
print(np.sqrt(arr))

# 计算数组元素的对数
print(np.log(arr))

Zusammenfassung:

Dieser Artikel stellt einige Schlüsselfunktionen in der Numpy-Funktionsbibliothek und ihre Anwendungen vor und bietet spezifische Codebeispiele. Zu diesen Funktionen gehören Array-Erstellung und -Initialisierung, Array-Operationen, Array-Indizierung und -Slicing, Array-Form und -Umformung sowie Array-Element-Operationen. Durch die Beherrschung dieser Funktionen können Leser Numpy besser für die Datenverarbeitung und -analyse nutzen und die Arbeitseffizienz verbessern.

Das obige ist der detaillierte Inhalt vonLernen Sie die Hauptfunktionen in der Numpy-Funktionsbibliothek kennen und wenden Sie sie an. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!