Beherrschen Sie gängige Numpy-Funktionen und ihre Anwendungen: Erlernen Sie die Grundkenntnisse von Numpy-Funktionen

Numpy-Funktionen lernen: Beherrschen Sie gängige Numpy-Funktionen und deren Verwendung. Es sind spezifische Codebeispiele erforderlich.

Python ist eine leistungsstarke Programmiersprache, die in den Bereichen Datenanalyse und wissenschaftliches Rechnen weit verbreitet ist. Numpy ist in diesem Bereich eine sehr wichtige Bibliothek, die eine Vielzahl von Funktionen für die Arbeit mit Arrays und Matrizen bereitstellt. In diesem Artikel werden wir einige häufig verwendete Numpy-Funktionen und deren Verwendung untersuchen und konkrete Codebeispiele bereitstellen.

Zuerst müssen wir die Numpy-Bibliothek importieren, um ihre Funktionen nutzen zu können. Stellen Sie vor dem Import sicher, dass Sie die Numpy-Bibliothek korrekt installiert haben. Sie können Numpy mit dem folgenden Befehl installieren:

pip install numpy

Sobald Sie Numpy erfolgreich installiert haben, können Sie es in Ihren Code importieren:

import numpy as np

Als Nächstes beginnen wir mit dem Erlernen einiger häufig verwendeter Numpy-Funktionen und ihrer Verwendung.

1. Arrays erstellen
   numpy bietet mehrere Möglichkeiten zum Erstellen von Arrays. Der einfachste Weg ist die Verwendung der Funktion np.array. Das folgende Codebeispiel erstellt ein eindimensionales Array: np.array函数。以下代码示例创建了一个一维数组：

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

输出结果：

[1 2 3 4 5]

除了使用np.array函数，还可以使用以下方法创建数组：

• np.zeros：创建一个由0填充的数组；
• np.ones：创建一个由1填充的数组；
• np.arange：创建一个等差数列数组；
• np.linspace：创建一个等间距数列数组；

2. 数组操作
   numpy提供了许多操作数组的函数。以下是一些常见的函数及其用法。

• np.shape：获取数组的形状；
• np.ndim：获取数组的维度；
• np.size：获取数组的大小；
• np.reshape：改变数组的形状；
• np.concatenate：连接两个数组；
• np.split：将一个数组分成多个子数组；

以下代码示例演示了一些数组操作的用法：

a = np.array([[1, 2, 3], [4, 5, 6]])
print(np.shape(a))  # 输出(2, 3)
print(np.ndim(a))  # 输出2
print(np.size(a))  # 输出6

b = np.reshape(a, (3, 2))
print(b)

输出结果：

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

3. 数学运算
   numpy提供了丰富的数学函数，用于对数组进行计算。以下是一些常见的数学函数及其用法。

• np.sum：计算数组元素的总和；
• np.mean：计算数组元素的平均值；
• np.max：找到数组中的最大值；
• np.min：找到数组中的最小值；
• np.sin：计算数组元素的正弦值；
• np.cos：计算数组元素的余弦值；

以下代码示例演示了一些数学运算的用法：

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

print(np.sum(a))  # 输出15
print(np.mean(a))  # 输出3.0
print(np.max(a))  # 输出5
print(np.min(a))  # 输出1

b = np.sin(a)
print(b)

输出结果：

[ 0.84147098  0.90929743  0.14112001 -0.7568025  -0.95892427]

4. 矩阵运算
   除了对数组进行数学运算，numpy还提供了丰富的矩阵运算函数。以下是一些常见的矩阵运算函数及其用法。

• np.dot：计算两个矩阵的点积；
• np.transpose：矩阵转置；
• np.linalg.inv：计算矩阵的逆；
• np.linalg.det：计算矩阵的行列式；
• np.linalg.solve

  a = np.array([[1, 2], [3, 4]])
  b = np.array([[5, 6], [7, 8]])
  
  c = np.dot(a, b)
  print(c)
  
  d = np.transpose(a)
  print(d)
  
  e = np.linalg.inv(a)
  print(e)
  
  f = np.linalg.det(b)
  print(f)
  
  x = np.array([[1, 2], [3, 4]])
  y = np.array([5, 6])
  z = np.linalg.solve(x, y)
  print(z)

Ausgabeergebnis:

[[19 22]
 [43 50]]
[[1 3]
 [2 4]]
[[-2.   1. ]
 [ 1.5 -0.5]]
-2.000000000000002
[-4.   4.5]

Zusätzlich zur Verwendung der Funktion np.array können Sie ein Array auch wie folgt erstellen Methode:

np.zeros: Erstelle ein mit Nullen gefülltes Array;

np.ones: Erstelle ein mit 1en gefülltes Array; np.arangecode>: Erstellt ein Array aus Sequenzen mit gleichem Abstand;

🎜np.linspace: Erstellt ein Array aus Sequenzen mit gleichem Abstand; 🎜🎜

🎜Array Operationen🎜numpy bietet viele Array-Operationen Die Funktion. Nachfolgend finden Sie einige allgemeine Funktionen und deren Verwendung. 🎜

🎜np.shape: Ermittelt die Form des Arrays; 🎜🎜np.ndim: Ermittelt die Abmessungen des Arrays; 🎜🎜np.size: Ermitteln Sie die Größe des Arrays; 🎜🎜np.reshape: Ändern Sie die Form des Arrays 🎜🎜np.concatenate: Verbinden Sie zwei Arrays; 🎜🎜np.split: Teilen Sie ein Array in mehrere Subarrays auf. 🎜🎜🎜Das folgende Codebeispiel demonstriert die Verwendung einiger Array-Operationen: 🎜rrreee🎜Ergebnisse ausgeben: 🎜rrreee

🎜Mathematische Operationen🎜Numpy bietet einen umfangreichen Satz mathematischer Funktionen zum Durchführen von Berechnungen für Arrays. Hier sind einige gängige mathematische Funktionen und ihre Verwendung. 🎜

🎜np.sum: Berechnen Sie die Summe der Array-Elemente; 🎜🎜np.mean: Berechnen Sie den Durchschnitt der Array-Elemente; code >np.max: Finden Sie den Maximalwert im Array; 🎜🎜np.min: Finden Sie den Minimalwert im Array 🎜🎜np.sin: Berechnen Sie den Sinuswert des Array-Elements. 🎜🎜np.cos: Berechnet den Kosinuswert des Array-Elements 🎜Ausgabeergebnis: 🎜rrreee

🎜Matrixoperationen🎜Neben der Durchführung mathematischer Operationen an Arrays bietet Numpy auch eine Fülle von Matrixoperationsfunktionen. Im Folgenden sind einige gängige Matrixoperationsfunktionen und ihre Verwendung aufgeführt. 🎜

🎜np.dot: Berechnen Sie das Skalarprodukt zweier Matrizen; 🎜🎜np.transpose: Matrixtransponierung; 🎜🎜 np .linalg.inv: Berechnen Sie die Umkehrung einer Matrix; 🎜🎜np.linalg.det: Berechnen Sie die Determinante einer Matrix; 🎜🎜np.linalg.solve Code>: Lösen Sie ein System linearer Gleichungen. 🎜🎜🎜Das folgende Codebeispiel demonstriert die Verwendung einiger Matrixoperationen: 🎜rrreee🎜Ausgabeergebnis: 🎜rrreee🎜In diesem Artikel stellen wir einige häufig verwendete Numpy-Funktionen und ihre Verwendung vor. Durch die Beherrschung dieser Funktionen können Sie Arrays und Matrizen flexibler bearbeiten und verschiedene mathematische und wissenschaftliche Berechnungen durchführen. Ich hoffe, dieser Artikel hilft Ihnen beim Erlernen der Numpy-Funktionen! 🎜

Das obige ist der detaillierte Inhalt vonBeherrschen Sie gängige Numpy-Funktionen und ihre Anwendungen: Erlernen Sie die Grundkenntnisse von Numpy-Funktionen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!