Lernen Sie einige allgemeine Funktionen und die Verwendung von Numpy kennen

Erkunden Sie allgemeine Funktionen und die Verwendung von NumPy.

NumPy ist eine Open-Source-Python-Bibliothek für wissenschaftliches Rechnen, die leistungsstarke mehrdimensionale Array-Objekte und Funktionen zur Verarbeitung dieser Arrays bereitstellt. Sie ist eine der am häufigsten verwendeten Bibliotheken im Bereich Datenwissenschaft und maschinelles Lernen. Aufgrund ihrer effizienten Leistung und Flexibilität ist sie zu einem „leistungsstarken Werkzeug“ für Datenanalysten und Wissenschaftler geworden. In diesem Artikel werden die allgemeinen Funktionen und die Verwendung von NumPy erläutert und spezifische Codebeispiele bereitgestellt.

1. Arrays erstellen

Erstens lernen wir, wie man ein NumPy-Array erstellt. Ein NumPy-Array ist ein effizientes mehrdimensionales Containerobjekt, das Daten desselben Typs speichern kann.

import numpy as np

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

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

Ausgabeergebnisse:

[1 2 3 4 5]
[[1 2 3]
 [4 5 6]]

2. Array-Eigenschaften

NumPy bietet viele nützliche Eigenschaften, um die Form, Größe und den Datentyp des Arrays zu beschreiben.

import numpy as np

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

# 数组形状
print(a.shape)

# 数组维度
print(a.ndim)

# 数组大小
print(a.size)

# 数组数据类型
print(a.dtype)

Ausgabeergebnisse:

(2, 3)
2
6
int64

3. Array-Operationen

NumPy bietet viele leistungsstarke Funktionen zum Betreiben von Arrays.

import numpy as np

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

# 数组求和
print(np.sum(a))

# 数组最小值和最大值
print(np.min(a))
print(np.max(a))

# 数组平均值和标准差
print(np.mean(a))
print(np.std(a))

# 数组排序
print(np.sort(a))

# 数组反转
print(np.flip(a))

Ausgabeergebnisse:

15
1
5
3.0
1.4142135623730951
[1 2 3 4 5]
[5 4 3 2 1]

4. Array-Slicing und Indizierung

NumPy unterstützt Slicing- und Indizierungsvorgänge für Arrays, um auf bestimmte Teile oder Elemente des Arrays zuzugreifen.

import numpy as np

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

# 数组切片
print(a[1:4])

# 数组索引
print(a[0])
print(a[-1])

Ausgabeergebnisse:

[2 3 4]
1
5

5. Array-Operationen

NumPy kann grundlegende mathematische und logische Operationen ausführen.

import numpy as np

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

# 数组加法
print(np.add(a, b))

# 数组减法
print(np.subtract(a, b))

# 数组乘法
print(np.multiply(a, b))

# 数组除法
print(np.divide(a, b))

# 数组平方根
print(np.sqrt(a))

Ausgabeergebnis:

[6 6 6 6 6]
[-4 -2  0  2  4]
[5 8 9 8 5]
[0.2 0.5 1.  2.  5. ]
[1.         1.41421356 1.73205081 2.         2.23606798]

Das Obige sind nur Beispiele für einige allgemeine Funktionen und Verwendungen in NumPy. NumPy bietet außerdem weitere Funktionen und Tools zur Verarbeitung von Array-Daten. Durch Lernen und Erkunden können wir uns nach und nach mit den leistungsstarken Funktionen von NumPy vertraut machen und diese flexibel in tatsächlichen Projekten anwenden.

Durch die Einleitung dieses Artikels glaube ich, dass die Leser ein tieferes Verständnis für die allgemeinen Funktionen und die Verwendung von NumPy erhalten und diese flexibel in tatsächlichen Projekten anwenden können. Wir hoffen, dass die Leser durch kontinuierliches Üben und Lernen die Verwendungsfähigkeiten von NumPy besser beherrschen und die Effizienz der Datenverarbeitung und -analyse verbessern können.

Das obige ist der detaillierte Inhalt vonLernen Sie einige allgemeine Funktionen und die Verwendung von Numpy kennen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!