Numpy-Funktionen verstehen: Erkunden Sie häufig verwendete Numpy-Funktionen in Python. Spezifische Codebeispiele sind erforderlich.
Einführung:
In Python ist NumPy (kurz für Numerical Python) eine leistungsstarke Bibliothek für wissenschaftliches Rechnen, die Python mit effizienter Mehrdimensionalität versorgt Array-Objekte und eine große Bibliothek mathematischer Funktionen. NumPy ist eine der Kernbibliotheken für wissenschaftliches Rechnen mit Python und wird häufig in der Datenanalyse, dem maschinellen Lernen, der Bildverarbeitung und anderen Bereichen verwendet. In diesem Artikel werden einige häufig verwendete NumPy-Funktionen vorgestellt und spezifische Codebeispiele bereitgestellt.
1. Funktionen zum Erstellen von Arrays
(1) Erstellen Sie eindimensionale Arrays
Durch die Verwendung von Numpys Arange-, Linspace-, Logspace- und anderen Funktionen können wir eindimensionale Arrays erstellen.
Codebeispiel:
numpy als np importieren
Verwenden Sie die Arange-Funktion, um ein eindimensionales Array zu erstellen
arr1 = np.arange(10)
print("Eindimensionales Array, erstellt durch die Arange-Funktion: ", arr1)
Linspace verwenden. Die Funktion erstellt ein eindimensionales Array.
arr2 = np.linspace(0, 1, 10) # Erzeugt 10 gleichabständige Zahlen von 0 bis 1 Funktion: ", arr2)
Verwenden Sie die Logspace-Funktion, um ein eindimensionales Array zu erstellen
arr3 = np.logspace(0, 2, 10) # Erzeugen Sie 10 logarithmisch beabstandete Zahlen von 10^0 bis 10^2
print( „Eindimensionales Array, erstellt durch die Logspace-Funktion Array:“, arr3)
(2) Erstellen Sie ein mehrdimensionales Array
Zusätzlich zu eindimensionalen Arrays können wir auch mehrdimensionale Arrays erstellen, indem wir die Array-Funktion von Numpy verwenden.
Codebeispiel:
numpy als np importieren
Array-Funktion verwenden, um ein zweidimensionales Array zu erstellen
arr4 = np.array([[1, 2, 3],
[4, 5, 6]])
Nach dem Login kopieren
print("Zweidimensionales Array erstellt durch Array-Funktion :
", arr4)
Verwenden Sie die Array-Funktion, um ein dreidimensionales Array zu erstellen
arr5 = np.array([[[1, 2, 3],
[4, 5, 6]],
[[7, 8, 9],
[10, 11, 12]]])Nach dem Login kopieren
print("Dreidimensionales Array erstellt durch Array-Funktion:
", arr5)
2. Array-Operationsfunktionen
NumPy bietet eine Fülle von Array-Operationsfunktionen, einschließlich mathematischer Funktionen, statistischer Funktionen, logischer Funktionen usw.
(1) Mathematische Funktionen
Mathematische Funktionen in NumPy können Elemente in Arrays bearbeitet werden, z. B. logarithmische Funktionen, trigonometrische Funktionen, Exponentialfunktionen usw , 4])
Berechnen Sie das Quadrat des Arrays
print("Das Quadrat des Arrays:", np.square(arr6))
Berechnen Sie die Quadratwurzel des Arrays
print("Die Quadratwurzel von das Array:", np.sqrt(arr6))
Berechnen Sie die Exponentialfunktion des Arrays
print("Exponentialfunktion des Arrays:", np.exp(arr6))
(2) Statistische Funktionen
Durch Verwendung Mit den statistischen Funktionen von NumPy können wir statistische Analysen für Arrays wie Summe, Durchschnitt und Maximum, Minimalwert usw. durchführen , 3, 4, 5])
Finden Sie die Summe des Arrays
print("Die Summe des Arrays ::", np.sum(arr7))
Finden Sie den Mittelwert des Arrays
print("The Durchschnitt des Arrays:", np.mean(arr7))
Finden Sie den Maximalwert des Arrays
print("Der Durchschnitt des Arrays Maximalwert: ", np.max(arr7))
Finden Sie das Minimum Wert des Arrays
print("Der Mindestwert des Arrays: ", np.min(arr7))
(3) Logische Funktion
Logische Funktion für Array Führt logische Operationen an den Elementen durch, z. B. die Beurteilung, ob die Elemente vorhanden sind eine bestimmte Bedingung erfüllen.
numpy als np importieren
arr8 = np.array([1, 2, 3, 4, 5])
Beurteilung, ob die Elemente im Array größer als 2 sind
print("ob die Elemente im Array größer als 2 sind:", np.greater(arr8, 2))
Bestimmen Sie, ob die Elemente im Array kleiner oder gleich 3 sind
print("ob die Elemente im Array sind kleiner oder gleich 3: ", np.less_equal(arr8, 3))
3. Array-Formfunktion
NumPy bietet viele Funktionen für Array-Formoperationen, wie z. B. das Ändern der Array-Form, das Zusammenfügen von Arrays, usw.
(1) Ändern Sie die Form des Arrays
Sie können die Form des Arrays ändern, indem Sie die Umformungsfunktion verwenden, z. B. indem Sie ein eindimensionales Array in ein zweidimensionales Array oder ein mehrdimensionales Array in eins umwandeln -dimensionales Array.
Codebeispiel:
import numpy as np
arr9 = np.arange(9)
Konvertieren Sie ein eindimensionales Array in ein zweidimensionales Array mit drei Zeilen und drei Spalten
arr10 = np.reshape(arr9 , (3, 3))
print("Konvertieren Sie ein eindimensionales Array in ein zweidimensionales Array:
", arr10)
Konvertieren Sie ein mehrdimensionales Array in ein eindimensionales Array
arr11 = np.ravel (arr10)
print("Konvertieren Sie ein mehrdimensionales Array in ein eindimensionales Array. Für ein eindimensionales Array: ", arr11)
(2) Arrays spleißen
NumPy bietet Funktionen wie vstack, hstack und concatenate zum Spleißen Arrays.
Codebeispiel:
import numpy as np
arr12 = np.array([[1, 2, 3],
[4, 5, 6]])
Nach dem Login kopieren
arr13 = np.array([[7, 8, 9],
[10, 11, 12]])
Nach dem Login kopieren
arr14 = np.vstack((arr12, arr13))
print("Vertikales gespleißtes Array:
", arr14)
Horizontales gespleißtes Array
arr15 = np.hstack((arr12 , arr13))
print ("Horizontales Spleißarray:
", arr15)
Zusammenfassung:
Durch die Einleitung dieses Artikels haben wir einige häufig verwendete Funktionen in NumPy kennengelernt, darunter Funktionen zum Erstellen von Arrays, Array-Operationsfunktionen, und Array-Formfunktionen können uns dabei helfen, Array-Operationen und mathematische Berechnungen bequemer durchzuführen und die Programmiereffizienz zu verbessern in der Lage, sie flexibel auf die tatsächliche Datenverarbeitung und wissenschaftliche Berechnungen anzuwenden
Das obige ist der detaillierte Inhalt vonEntdecken Sie häufig verwendete Numpy-Funktionen in Python: Numpy-Funktionen verstehen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
