Techniken zur Erstellung von Numpy-Arrays und praktische Anleitungen für die Anwendung

Numpy Array Creation Tips and Application Guide

Numpy ist eine leistungsstarke Bibliothek in Python, die in Bereichen wie wissenschaftlichem Rechnen, Datenanalyse und maschinellem Lernen weit verbreitet ist. In Numpy ist die grundlegendste Datenstruktur ein mehrdimensionales Array, auch Ndarray genannt. In diesem Artikel werden einige Techniken zum Erstellen von Numpy-Arrays vorgestellt und spezifische Codebeispiele bereitgestellt, um den Lesern zu helfen, Numpy-Arrays besser zu verstehen und anzuwenden.

1. Erstellung von Numpy-Arrays

1. Erstellung mithilfe von Listen

Der einfachste Weg, Numpy-Arrays zu erstellen, ist die Verwendung von Python-Listen. Listen können in Numpy-Arrays konvertiert werden, indem die Liste an die Funktion numpy.array() übergeben wird.

import numpy as np

# 创建一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)
# 输出：[1 2 3 4 5]

# 创建二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2)
# 输出：
# [[1 2 3]
#  [4 5 6]]

2. Mit Bereichsfunktionen erstellen

Numpy bietet eine Reihe von Bereichsfunktionen, um auf einfache Weise Numpy-Arrays mit bestimmten Bereichen und Intervallen zu erstellen.

import numpy as np

# 创建一维等差数列数组
arr3 = np.arange(0, 10, 2)
print(arr3)
# 输出：[0 2 4 6 8]

# 创建一维等间隔数列数组
arr4 = np.linspace(0, 1, 5)
print(arr4)
# 输出：[0.   0.25 0.5  0.75 1.  ]

3. Mit Zufallsfunktion erstellen

Wenn Sie ein Numpy-Array mit Zufallszahlen erstellen müssen, können Sie die Zufallsfunktion von Numpy verwenden. 2. Anwendung von Numpy-Arrays

import numpy as np

# 创建具有随机整数的一维数组
arr5 = np.random.randint(0, 10, 5)
print(arr5)
# 输出：[8 6 3 9 1]

# 创建具有随机浮点数的二维数组
arr6 = np.random.rand(2, 3)
print(arr6)
# 输出：
# [[0.61723063 0.25061847 0.76613935]
#  [0.96519743 0.45027448 0.62479021]]

Array-Elementoperationen

Numpy-Array unterstützt Operationen an Array-Elementen nacheinander, wie Positionszugriff, Slicing, Dimensionsreduzierung und Spleißen usw.

import numpy as np

# 变换数组形状
arr7 = np.arange(12).reshape(3, 4)
print(arr7)
# 输出：
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

# 转置数组
arr8 = arr7.T
print(arr8)
# 输出：
# [[ 0  4  8]
#  [ 1  5  9]
#  [ 2  6 10]
#  [ 3  7 11]]

# 重塑数组形状
arr9 = np.arange(12).reshape(2, 2, 3)
print(arr9)
# 输出：
# [[[ 0  1  2]
#   [ 3  4  5]]
#  [[ 6  7  8]
#   [ 9 10 11]]]

Das Obige sind nur einige Tipps und Anwendungsbeispiele für die Erstellung von Numpy-Arrays. In tatsächlichen Anwendungen stehen weitere Operationen und Funktionen zur Auswahl. Kenntnisse in der Erstellung und dem Betrieb von Numpy-Arrays werden für Datenverarbeitungs- und Analyseaufgaben von großem Nutzen sein. Ich hoffe, dass die Einleitung dieses Artikels den Lesern etwas Hilfe und Anleitung bieten kann.

Zusammenfassung:

Numpy ist eine leistungsstarke Bibliothek in Python, die für Aufgaben wie wissenschaftliches Rechnen, Datenanalyse und maschinelles Lernen verwendet wird.

Numpy-Arrays können mithilfe von Listen, Bereichsfunktionen und Zufallsfunktionen erstellt werden.

Numpy-Arrays bieten eine Fülle von Operationsfunktionen, einschließlich Array-Formtransformation und Array-Elementoperationen.

Kenntnisse in der Erstellung und dem Betrieb von Numpy-Arrays sind für Datenverarbeitungs- und Analyseaufgaben von großem Nutzen.

Das obige ist der detaillierte Inhalt vonTechniken zur Erstellung von Numpy-Arrays und praktische Anleitungen für die Anwendung. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!