Eine leicht verständliche Anleitung zum Anzeigen von Numpy-Versionen

NumPy ist ein wichtiges wissenschaftliches Rechenpaket in Python. Es bietet viele mathematikbezogene Funktionen und wird häufig in der Datenanalyse, beim maschinellen Lernen, beim Deep Learning und in anderen Bereichen verwendet. In NumPy ist Array die Hauptdatenstruktur und Array-Operationen sind eine der Kernfunktionen von NumPy.

In diesem Artikel werden die grundlegenden Operationen und Anzeigemethoden von NumPy-Arrays vorgestellt, damit die Leser verstehen, wie sie auf die Elemente des Arrays zugreifen, die Form des Arrays ändern, die Eigenschaften des Arrays anzeigen usw.

1. Erstellen Sie ein Array

In NumPy können Sie die Funktion numpy.array() verwenden, um ein Array zu erstellen, wie unten gezeigt:

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

Zu diesem Zeitpunkt ist arr ein eindimensionales Array mit 5 Elementen. Wir können ein eindimensionales Array auch über die Funktion numpy.arange() oder die Funktion numpy.linspace() erstellen:

arr1 = np.arange(10)   # 生成一个0到9的一维数组
arr2 = np.linspace(0, 10, 11)   # 生成一个0到10之间，含11个元素的一维数组

2. Zugriff auf Elemente

Der Zugriff auf Elemente in einem NumPy-Array kann über Array-Indizes erreicht werden zu den Array-Indizes. Beginnen Sie bei 0. Bei mehrdimensionalen Arrays können Sie mehrere Indizes verwenden, um auf bestimmte Elemente zuzugreifen. Zum Beispiel:

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr[0, 0])   # 访问第一个元素 1
print(arr[1, 2])   # 访问第二行第三列的元素 6

3. Ändern Sie die Form

In NumPy können wir die Funktion numpy.reshape() verwenden, um die Form des Arrays zu ändern. Zum Beispiel:

arr = np.array([1, 2, 3, 4, 5, 6])
new_arr = arr.reshape(2, 3)   # 将一维数组变为二维数组，形状为(2,3)

Zu diesem Zeitpunkt ist die Form von new_arr (2,3), eine Matrix mit zwei Zeilen und drei Spalten. Die Elemente sind:

1  2  3
4  5  6

4. Array-Eigenschaften anzeigen

In NumPy kann die Form des Arrays, Attribute wie die Anzahl der Elemente und den Datentyp überprüfen. Beispiel:

arr = np.array([1, 2, 3, 4, 5, 6])
print(arr.shape)   # 输出形状 (6,)
print(arr.size)   # 输出元素个数 6
print(arr.dtype)   # 输出数据类型 int32

Unter diesen repräsentiert die Form die Form des Arrays, die Größe die Anzahl der Array-Elemente und dtype den Datentyp des Arrays.

5. Andere Array-Operationen

(1) Um Slicing-Operationen für Arrays durchzuführen, können Sie den Operator „:“ verwenden. Zum Beispiel:

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

(2) Führen Sie einige statistische Operationen am Array durch, z. B. die Berechnung der Summe, des Mittelwerts, der Standardabweichung usw. der Elemente im Array. Zum Beispiel:

arr = np.array([1, 2, 3, 4, 5, 6])
print(np.sum(arr))   # 计算元素的和，输出21
print(np.mean(arr))   # 计算平均值，输出3.5
print(np.std(arr))   # 计算标准差，输出1.707825127659933

(3) Führen Sie einige logische Operationen am Array aus, z. B. das Herausfiltern von Elementen im Array, die die Bedingungen erfüllen. Zum Beispiel:

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

Die oben genannten Methoden sind die grundlegenden Methoden zur Verwendung von NumPy zum Betreiben von Arrays. Mit diesen Methoden können wir auf die Form und Elemente des Arrays zugreifen und diese ändern sowie einige statistische und logische Operationen ausführen.

Das obige ist der detaillierte Inhalt vonEine leicht verständliche Anleitung zum Anzeigen von Numpy-Versionen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!