Eine Kurzanleitung, um mehr über NumPy-Funktionen zu erfahren

Schneller Einstieg in die NumPy-Funktionen: Detaillierte Einführung, spezifische Codebeispiele sind erforderlich

Einführung: NumPy ist eine der am häufigsten verwendeten numerischen Berechnungsbibliotheken in Python. Sie bietet effiziente mehrdimensionale Array-Objekte (ndarray) und leistungsstarke Funktionen Bibliotheken, die es uns ermöglichen, numerische Berechnungen und Datenverarbeitung schnell und effizient durchzuführen. In diesem Artikel werden einige häufig verwendete Funktionen in NumPy ausführlich vorgestellt und anhand spezifischer Codebeispiele den Lesern ein schneller Einstieg erleichtert.

1. Ndarray-Objekte erstellen

1. Numpy.array-Funktion: Wird zum Erstellen von Ndarray-Objekten verwendet. Datenelemente können über Listen, Tupel usw. angegeben werden.

Beispielcode:

import numpy as np

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

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

2. numpy.zeros-Funktion: Wird verwendet, um ein Ndarray-Objekt der angegebenen Form (Shape) zu erstellen und die Elemente auf 0 zu initialisieren.

Beispielcode:

import numpy as np

# 创建一维数组
a = np.zeros(5)
print(a)  # 输出：[0. 0. 0. 0. 0.]

# 创建二维数组
b = np.zeros((2, 3))
print(b)  # 输出：
# [[0. 0. 0.]
#  [0. 0. 0.]]

3. numpy.ones-Funktion: Wird verwendet, um ein Ndarray-Objekt der angegebenen Form zu erstellen und die Elemente auf 1 zu initialisieren.

Beispielcode:

import numpy as np

# 创建一维数组
a = np.ones(5)
print(a)  # 输出：[1. 1. 1. 1. 1.]

# 创建二维数组
b = np.ones((2, 3))
print(b)  # 输出：
# [[1. 1. 1.]
#  [1. 1. 1.]]

2. Array-Operationen

1. Array-Form: Die Form des Arrays kann über das Shape-Attribut des ndarray-Objekts ermittelt werden.

Beispielcode:

import numpy as np

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

2. Transponierung des Arrays: Die Transponierung des Arrays kann über die T-Eigenschaft des ndarray-Objekts erhalten werden.

Beispielcode:

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
b = a.T  # 转置
print(b)  # 输出：
# [[1 4]
#  [2 5]
#  [3 6]]

3. Array-Spleißen: Das Array-Spleißen kann über die Funktion numpy.concatenate erfolgen.

Beispielcode:

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.concatenate((a, b))  # 拼接
print(c)  # 输出：[1 2 3 4 5 6]

3. Array-Operationen

1. Hinzufügen von Arrays: Das Hinzufügen von Arrays kann über den +-Operator von ndarray-Objekten durchgeführt werden.

Beispielcode:

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = a + b
print(c)  # 输出：[5 7 9]

2. Array-Multiplikation: Die Array-Multiplikation kann über den *-Operator des ndarray-Objekts durchgeführt werden.

Beispielcode:

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = a * b
print(c)  # 输出：[4 10 18]

IV. Array-Statistiken

1. Maximal- und Minimalwerte des Arrays: Die Maximal- und Minimalwerte des Arrays können über die Max- und Min-Methoden des ndarray-Objekts ermittelt werden.

Beispielcode:

import numpy as np

a = np.array([1, 2, 3, 4, 5])
max_value = a.max()
min_value = a.min()
print(max_value)  # 输出：5
print(min_value)  # 输出：1

2. Summe des Arrays: Sie können die Summe des Arrays über die Summenmethode des ndarray-Objekts ermitteln.

Beispielcode:

import numpy as np

a = np.array([1, 2, 3, 4, 5])
sum_value = a.sum()
print(sum_value)  # 输出：15

Zusammenfassung: In diesem Artikel werden einige häufig verwendete Funktionen in NumPy vorgestellt, darunter das Erstellen von ndarray-Objekten, Array-Operationen, Array-Operationen und Array-Statistiken. Durch spezifische Codebeispiele können Leser schnell mit NumPy-Funktionen beginnen und die Effizienz numerischer Berechnungen und Datenverarbeitung verbessern. Ich hoffe, dass dieser Artikel den Lesern helfen kann, die Fähigkeiten im Umgang mit NumPy weiter zu erlernen.

Das obige ist der detaillierte Inhalt vonEine Kurzanleitung, um mehr über NumPy-Funktionen zu erfahren. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!