Résumé de l'utilisation simple de python numpy
Aug 21, 2019 pm 05:59 PMUtilisation simple de Numpy
import numpy as np
1 Créer un objet ndarray
Convertir la liste en ndarray :
>>> a = [1,2,3,4,5] >>> np.array(a) array([1, 2, 3, 4, 5])
Obtenir un nombre à virgule flottante aléatoire
>>> np.random.rand(3, 4) array([[ 0.16215336, 0.49847764, 0.36217369, 0.6678112 ], [ 0.66729648, 0.86538771, 0.32621889, 0.07709784], [ 0.05460976, 0.3446629 , 0.35589223, 0.3716221 ]])
Obtenir un nombre entier aléatoire
>>> np.random.randint(1, 5, size=(3,4)) array([[2, 3, 1, 2], [3, 4, 4, 4], [4, 4, 4, 3]])
Prendre zéro
>>> np.zeros((3,4)) array([[ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]])
Prendre un
>>> np.ones((3,4)) array([[ 1., 1., 1., 1.], [ 1., 1., 1., 1.], [ 1., 1., 1., 1.]])
Prendre vide (il vaut mieux ne pas l'utiliser, pour en savoir plus, différentes versions renvoient les valeurs sont différentes)
>>> np.empty((3,4)) array([[ 1., 1., 1., 1.], [ 1., 1., 1., 1.], [ 1., 1., 1., 1.]])
Prendre l'entier zéro ou un
>>> np.ones((3,4),int) array([[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]]) >>> np.zeros((3,4),int) array([[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]])
Imiter la commande de plage pour créer ndarray :
>>> np.arange(2,10,2) # 开始,结束,步长 array([2, 4, 6, 8])
Recommandations associées : "Tutoriel vidéo Python"
Affichage et fonctionnement des attributs ndarray :
Regardez les attributs de ndarray :
>>> a = [[1,2,3,4,5],[6,7,8,9,0]] >>> b = np.array(a) >>> b.ndim #维度个数(看几维) 2 >>> b.shape #维度大小(看具体长宽) (5,2) >>>b.dtype dtype('int32')
Spécifiez les attributs lors de la création de ndarray :
>>> np.array([1,2,3,4,5],dtype=np.float64) array([ 1., 2., 3., 4., 5.]) >>> np.zeros((2,5),dtype=np.int32) array([[0, 0, 0, 0, 0], [0, 0, 0, 0, 0]])
Transfert d'attribut :
>>> a = np.array([1,2,3,4,5],dtype=np.float64) >>> a array([ 1., 2., 3., 4., 5.]) >>> a.astype(np.int32) array([1, 2, 3, 4, 5])
Trois, Opération simple :
Opération par lots :
>>> a = np.array([1,2,3,4,5],dtype=np.int32) >>> a array([1, 2, 3, 4, 5]) >>> a + a array([ 2, 4, 6, 8, 10]) >>> a * a array([ 1, 4, 9, 16, 25]) >>> a - 2 array([-1, 0, 1, 2, 3]) >>> a / 2 array([ 0.5, 1. , 1.5, 2. , 2.5]) #等等
Changer les dimensions :
>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0]],dtype=np.int32) >>> a array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 0]]) >>> a.reshape((5,2)) array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 0]])
Conversion de matrice (C'est essentiellement différent de changer la dimension, soyez prudent) :
>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0]],dtype=np.int32) >>> a array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 0]]) >>> a.transpose() array([[1, 6], [2, 7], [3, 8], [4, 9], [5, 0]])
Perturber (ne peut perturber qu'une seule dimension) :
>>> a = np.array([[1,2],[3,4],[5,6],[7,8],[9,0]],dtype=np.int32) >>> a array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 0]]) >>> np.random.shuffle(a) >>> a array([[9, 0], [1, 2], [7, 8], [5, 6], [3, 4]])
4. Découpage et indexation :
Tableau unidimensionnel :
>>> a = np.array(range(10)) >>> a array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> a[3] 3 >>> a[2:9:2] array([2, 4, 6, 8])
Tableau multidimensionnel :
>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0],[11,12,13,14,15]],dtype=np.int32) >>> a array([[ 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 0], [11, 12, 13, 14, 15]]) >>> a[:, 1:4] array([[ 2, 3, 4], [ 7, 8, 9], [12, 13, 14]])
Indice de condition :
>>> a = np.array([[1,2,3,4,5],[6,7,8,9,0],[11,12,13,14,15]],dtype=np.int32) >>> a array([[ 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 0], [11, 12, 13, 14, 15]]) >>> a > 5 array([[False, False, False, False, False], [ True, True, True, True, False], [ True, True, True, True, True]], dtype=bool) >>> a[a>5] array([ 6, 7, 8, 9, 11, 12, 13, 14, 15]) >>> a%3 == 0 Out[128]: array([[False, False, True, False, False], [ True, False, False, True, True], [False, True, False, False, True]], dtype=bool) >>> a[a%3 == 0] array([ 3, 6, 9, 0, 12, 15])
5. Fonction (points de connaissances de base numpy)
Fonction de calcul :
np.ceil(): 向上最接近的整数,参数是 number 或 array np.floor(): 向下最接近的整数,参数是 number 或 array np.rint(): 四舍五入,参数是 number 或 array np.isnan(): 判断元素是否为 NaN(Not a Number),参数是 number 或 array np.multiply(): 元素相乘,参数是 number 或 array np.divide(): 元素相除,参数是 number 或 array np.abs():元素的绝对值,参数是 number 或 array np.where(condition, x, y): 三元运算符,x if condition else y >>> a = np.random.randn(3,4) >>> a array([[ 0.37091654, 0.53809133, -0.99434523, -1.21496837], [ 0.00701986, 1.65776152, 0.41319601, 0.41356973], [-0.32922342, 1.07773886, -0.27273258, 0.29474435]]) >>> np.ceil(a) array([[ 1., 1., -0., -1.], [ 1., 2., 1., 1.], [-0., 2., -0., 1.]]) >>> np.where(a>0, 10, 0) array([[10, 10, 0, 0], [10, 10, 10, 10], [ 0, 10, 0, 10]])
Fonction statistique
np.mean():所有元素的平均值 np.sum():所有元素的和,参数是 number 或 array np.max():所有元素的最大值 np.min():所有元素的最小值,参数是 number 或 array np.std():所有元素的标准差 np.var():所有元素的方差,参数是 number 或 array np.argmax():最大值的下标索引值, np.argmin():最小值的下标索引值,参数是 number 或 array np.cumsum():返回一个一维数组,每个元素都是之前所有元素的累加和 np.cumprod():返回一个一维数组,每个元素都是之前所有元素的累乘积,参数是 number 或 array >>> a = np.arange(12).reshape(3,4).transpose() >>> a array([[ 0, 4, 8], [ 1, 5, 9], [ 2, 6, 10], [ 3, 7, 11]]) >>> np.mean(a) 5.5 >>> np.sum(a) 66 >>> np.argmax(a) 11 >>> np.std(a) 3.4520525295346629 >>> np.cumsum(a) array([ 0, 4, 12, 13, 18, 27, 29, 35, 45, 48, 55, 66], dtype=int32)
Fonction de jugement :
np.any(): 至少有一个元素满足指定条件,返回True np.all(): 所有的元素满足指定条件,返回True >>> a = np.random.randn(2,3) >>> a array([[-0.65750548, 2.24801371, -0.26593284], [ 0.31447911, -1.0215645 , -0.4984958 ]]) >>> np.any(a>0) True >>> np.all(a>0) False
Supprimer les doublons :
np.unique(): 去重 >>> a = np.array([[1,2,3],[2,3,4]]) >>> a array([[1, 2, 3], [2, 3, 4]]) >>> np.unique(a) array([1, 2, 3, 4])
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Article chaud

Outils chauds Tags

Article chaud

Tags d'article chaud

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Quels sont les avantages et les inconvénients des modèles ?

Google AI annonce Gemini 1.5 Pro et Gemma 2 pour les développeurs

Pour seulement 250$, le directeur technique de Hugging Face vous apprend étape par étape comment peaufiner Llama 3

Partagez plusieurs frameworks de projets open source .NET liés à l'IA et au LLM

Un guide complet sur le débogage et l'analyse des fonctions Golang

Comment enregistrer la fonction d'évaluation
