Maison développement back-end Tutoriel Python Explication détaillée du fonctionnement des tableaux par la bibliothèque Python Numpy

Explication détaillée du fonctionnement des tableaux par la bibliothèque Python Numpy

Aug 30, 2019 pm 05:29 PM
numpy库 python 数组

Explication détaillée du fonctionnement des tableaux par la bibliothèque Python Numpy

1. Introduction

NumPy (Numerical Python) est une bibliothèque d'extensions du langage Python qui prend en charge un grand nombre d'opérations matricielles et de tableaux dimensionnels, en plus de fournir un grand nombre de bibliothèques de fonctions mathématiques pour les opérations sur les tableaux. La structure de données principale est le tableau ndarray.

NumPy est souvent utilisé avec SciPy (Scientific Python) et Matplotlib (bibliothèque de traçage), une combinaison largement utilisée en remplacement de MatLab.

SciPy est une bibliothèque d'algorithmes Python open source et une boîte à outils mathématiques. SciPy contient des modules d'optimisation, d'algèbre linéaire, d'intégration, d'interpolation, de fonctions spéciales, de transformation de Fourier rapide, de traitement du signal et de traitement d'image, de résolution d'équations différentielles ordinaires et d'autres calculs couramment utilisés en science et en ingénierie.

Matplotlib est une interface visuelle pour le langage de programmation Python et son package d'extension de mathématiques numériques NumPy.

2. Créer

Créer un tableau unidimensionnel

(1) Créer directement : np.array([1, 2, 3, 4, 5, 6])

(2) Créez une constante à partir de la liste de python : np.array(list([1, 2, 3, 4, 5, 6]))

Données unidimensionnelles de valeur

(1) Créer une valeur constante avec 0 : np.zeros(n,dytpe=float/int)

(2) Créer une valeur constante avec 1 Valeur : np.ones(n)

(3) Créez un tableau vide : np.empty(4)

Créez un tableau avec des éléments croissants

( 1) Tableau incrémentiel à partir de 0 : np.arange(8)

(2) Intervalle donné, taille de pas personnalisée : np.arange(0,1,0.2)

(3 ) Étant donné un intervalle, personnalisez le nombre : np.linspace(-1,1,50)

Créez un tableau multidimensionnel : créez un tableau unidimensionnel et ajoutez-le au tableau multidimensionnel

# 数组的结构一定是np.array([]) 无论数组中间存放的是多少“层”数据
# 二维数组相当于存放的是“两层”数组而已
arr1=np.array(list([1, 2, 3, 4, 5]))
arr2=np.array([arr1,[1,0,0,1,0]])               # 2*5的两维数组
arr3=np.array(list([[0,0,1,1,1],[1,1,1,0,0],[2,3,4,5,6]]))    # 3*5的两维数组
arrx=np.array([arr1,list([1, 2, 3, 4, 5],[1,1,1,0,0])])     # 报错
arry=np.array([list([[ 1,2,3,  7, 11],[2,3,4,5,6]]),[1, 2, 3, 4, 5]]) # 报错
Copier après la connexion

Recommandations associées : "Tutoriel vidéo Python"

Créer des données dimensionnelles (n*m) avec des valeurs constantes

(1) Créer un valeur constante de 0 : np.zeros((n*m),dytpe=float/int)

(2) Créez une valeur constante avec 1 : np.ones((n*m))

(3)Créez un tableau vide : np.empty((n*m))

Créez un tableau de nombres aléatoires

Générez une graine de nombres aléatoires :

(1) np.random.seed()

(2) np.random.RandomState()

Générer des nombres aléatoires :

Explication détaillée du fonctionnement des tableaux par la bibliothèque Python Numpy

Générer avec un tableau aléatoire avec une distribution régulière

(1) Distribution binomiale : np.random.binomial(n, p, size)

(2) Distribution normale : np. random.normal(loc, scale, size)

Convertir le fichier csv en tableau ou tableau

Utiliser le np.genfromtxt('csv file name', delimiter = 'delimiter dans le fichier') fonction Convertir le fichier en tableau

 csv_array = np.genfromtxt('sample.csv', delimiter=',')
 print(csv_array)
Copier après la connexion

3. Transformation du tableau

Générer la fonction de transposition tableau/matrice, c'est-à-dire la fonction échange de numéros de lignes et de colonnes, utilisez .T

a = np.array([[32, 15, 6, 9, 14], 
              [12, 10, 5, 23, 1],
              [2, 16, 13, 40, 37]])
print(a.T)
-------------------
# 结果如下
[[32 12  2]
 [15 10 16]
 [ 6  5 13]
 [ 9 23 40]
 [14  1 37]]
Copier après la connexion

Changez la forme du tableau :

(1) arr.resize(n,m) : Le arr.resize(n,m ) la fonction modifie le tableau en place, nécessitant : le nombre d'éléments doit être cohérent

a=np.arange(8)
a.resize(2,4)
print(a)
---------------------------
[[0 1 2 3]
 [4 5 6 7]]
Copier après la connexion

(2) arr.reshape(n,m) : Si le paramètre d'une certaine dimension est -1, cela signifie que le nombre total d'éléments sera calculé en fonction de l'autre dimension.

a=np.arange(8).reshape(-1,1)
print(a)
-----------------
[[0]
 [1]
 [2]
 [3]
 [4]
 [5]
 [6]
 [7]]
Copier après la connexion

sera un. La dimension est augmentée à deux dimensions : np.newaxis

np.newaxis signifie en fait augmenter directement la dimension. . Nous n'ajoutons généralement pas trop de dimensions au tableau. Voici un exemple d'augmentation d'une dimension à deux dimensions :

(1) Augmenter la dimension de la ligne : arr[np.newaxis, :]

(2) Augmenter la dimension de la colonne : arr[: , np.newaxis]

a=np.arange(8)
a             # array([0, 1, 2, 3, 4, 5, 6, 7])
a.shape           # (8,)
a[np.newaxis, :]      # array([[0, 1, 2, 3, 4, 5, 6, 7]])
a.shape           # (8,)
a[: , np.newaxis]     # array([[0],[1],[2],[3],[4],[5],[6],[7]])
a.shape           # (8,)
Copier après la connexion

Réduire la dimensionnalité : arr.ravel()

Lorsque la fonction arr.ravel() réduit les dimensions : la valeur par défaut est de générer un nouveau tableau dans l'ordre des lignes (c'est-à-dire lire ligne par ligne) ; si le paramètre "F" est transmis, l'ordre des colonnes est réduit.

a=np.array([[1,2],[3,4]])
a.ravel()       
a.ravel('F')      
----------------------------
# 结果 array([1, 2, 3, 4])
# 结果 array([1, 3, 2, 4])
Copier après la connexion

<. 🎜>4. Calcul

Effectuer des opérations de calcul sur le tableau

(1) Ajouter et soustraire des éléments

a=np.arange(8).reshape(2,4)       # array([[0, 1, 2, 3], [4, 5, 6, 7]])
b=np.random.randint(8,size=(2,4))   # array([[1, 2, 5, 3], [4, 1, 0, 6]])
a+b
a-b
----------------------------
# a+b和a-b结果分别是:
array([[ 1,  3,  7,  6],
       [ 8,  6,  6, 13]])
array([[-1, -1, -3,  0],
       [ 0,  4,  6,  1]])
Copier après la connexion

(2) Multiplication : mettre au carré/multiplier des éléments dans matrice

a=np.arange(8).reshape(2,4)       # array([[0, 1, 2, 3], [4, 5, 6, 7]])
b=np.random.randint(8,size=(2,4))   # array([[1, 2, 5, 3], [4, 1, 0, 6]])
a**2
a*b
-----------------------
# a矩阵平方/a*b矩阵中元素相乘结果分别:
array([[ 0,  1,  4,  9],
       [16, 25, 36, 49]])
array([[ 0,  2, 10,  9],
       [16,  5,  0, 42]])
Copier après la connexion

(3) Matrice*matrice :

# 要求a矩阵的行要等于b矩阵的列数;且a矩阵的列等于b矩阵的行数
a=np.arange(8).reshape(2,4)       # array([[0, 1, 2, 3], [4, 5, 6, 7]])
b=np.random.randint(8,size=(4,2))   # array([[3, 0],[3, 3],[5, 6],[6, 7]])
c1 = np.dot(a,b)
c2 = a.dot(b)
----------------------
# ab矩阵相乘的结果:c1=c2 
array([[ 31,  36],
     [ 99, 100]])
Copier après la connexion

(4) Calcul logique

[Note] La liste ne peut pas être utilisée dans son ensemble pour porter des jugements logiques sur le des éléments individuels dedans !

# 结果返回:一个数组,其中每个元素根据逻辑判断的布尔类型的结果
a > 3 
-----------------------------
# 结果如下:
array([[False, False, False, False],
     [ True,  True,  True,  True]])
Copier après la connexion

5. Récupérer la valeur

pour obtenir un élément dans un tableau unidimensionnel : l'opération est la même que l'index de la liste

a = np.array([5, 2, 7, 0, 11])
a[0]      # 结果为 5
a[:4]     # 结果为 从头开始到索引为4结束
a[2:]     # 结果为 从索引为2的开始到结尾
a[::2]      # 结果为 从头开始到结尾,每2个取一个值
Copier après la connexion

pour obtenir un tableau multidimensionnel Un certain élément, une certaine valeur de ligne ou de colonne

a = np.array([[32, 15, 6, 9, 14], 
         [12, 10, 5, 23, 1],
         [2, 16, 13, 40, 37]])
a[2,1]     # 结果是一个元素 16
a[2][1]    # 结果是一个元素 16
a[1]      # 第2行 array([12, 10,  5, 23,  1])
a[:,2]   # 取出全部行,第2列 [15,10,16]
a[1:3, :]   # 取出[1,3)行,全部列
a[1,1:]    # array([10,  5, 23,  1])
Copier après la connexion

obtient le

# 需要注意的是,我们数据进行逻辑计算操作得到的仍然是一个数组
# 如果我们想要的是一个过滤后的数组,就需要将"逻辑判断"传入数组中
a = np.array([[32, 15, 6, 9, 14], 
              [12, 10, 5, 23, 1],
              [2, 16, 13, 40, 37]])
a[a > 3]
a[(a > 3) | (a < 2)]  
------------------------------
# 结果分别是:
array([32, 15,  6,  9, 14, 12, 10,  5, 23, 16, 13, 40, 37])
array([32, 15,  6,  9, 14, 12, 10,  5, 23,  1, 16, 13, 40, 37])
Copier après la connexion

qui satisfait l'opération logique Traversal : le résultat est sorti ligne par. rangée

a = np.array([[32, 15, 6, 9, 14], 
         [12, 10, 5, 23, 1],
         [2, 16, 13, 40, 37]])
for x in a:
    print(x)
--------------------
[32 15  6  9 14]
[12 10  5 23  1]
[ 2 16 13 40 37]
Copier après la connexion

6. Copier/ Fractionner/Fusionner

Copier : arr.cope()

Fractionner :

(1 ) Divisé également : np.split(arr, n, axis=0 /1) (C'est-à-dire uniquement lorsque le nombre de lignes ou de colonnes peut être divisé par n)

(2) Division inégale : np. array_split(arr, n) La valeur par défaut est divisée en n parties par ligne

a = np.array([[32, 15, 6, 9, 14, 21], 
         [12, 10, 5, 23, 1, 10],
         [2, 16, 13, 40, 37, 8]])
              
# 可以看到a矩阵是(3*6),所以使用np.split()只能尝试行分成3份;或者列分成2/3/6份 
np.split(a,3,axis=0)  
np.split(a,3,axis=1)
np.array_split(a,2)
np.array_split(a,4,axis=1)
-------------------------------------------
[array([[32, 15,  6,  9, 14, 21]]),
 array([[12, 10,  5, 23,  1, 10]]),
 array([[ 2, 16, 13, 40, 37,  8]])]
   
[array([[32, 15],
        [12, 10],
        [ 2, 16]]), array([[ 6,  9],
        [ 5, 23],
        [13, 40]]), array([[14, 21],
        [ 1, 10],
        [37,  8]])]
        
[array([[32, 15,  6,  9, 14, 21],
        [12, 10,  5, 23,  1, 10]]), array([[ 2, 16, 13, 40, 37,  8]])]
        
[array([[32, 15],
        [12, 10],
        [ 2, 16]]), array([[ 6,  9],
        [ 5, 23],
        [13, 40]]), array([[14],
        [ 1],
        [37]]), array([[21],
        [10],
        [ 8]])]
Copier après la connexion


Fusion : np.concatenate((arr1, arr2, arr3), axis=0/1) Par défaut, il est connecté en dessous des données

a=np.random.rand(2,3)
b=np.random.randint(1,size=(2,3))
np.concatenate((a,b,a))         # 接在下面
np.concatenate((a,b,a),axis=1)      # 接在后面
------------------------
array([[0.95912866, 0.81396527, 0.809493  ],
       [0.4539276 , 0.24173315, 0.63931439],
       [0.        , 0.        , 0.        ],
       [0.        , 0.        , 0.        ],
       [0.95912866, 0.81396527, 0.809493  ],
       [0.4539276 , 0.24173315, 0.63931439]])
array([[0.95912866, 0.81396527, 0.809493  , 0.        , 0.        ,
        0.        , 0.95912866, 0.81396527, 0.809493  ],
       [0.4539276 , 0.24173315, 0.63931439, 0.        , 0.        ,
        0.        , 0.4539276 , 0.24173315, 0.63931439]])
Copier après la connexion

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!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
2 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Repo: Comment relancer ses coéquipiers
1 Il y a quelques mois By 尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island Adventure: Comment obtenir des graines géantes
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Combien de temps faut-il pour battre Split Fiction?
3 Il y a quelques semaines By DDD

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

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

Comment modifier le contenu des commentaires dans XML Comment modifier le contenu des commentaires dans XML Apr 02, 2025 pm 06:15 PM

Pour les petits fichiers XML, vous pouvez remplacer directement le contenu d'annotation par un éditeur de texte; Pour les fichiers volumineux, il est recommandé d'utiliser l'analyseur XML pour le modifier pour garantir l'efficacité et la précision. Soyez prudent lors de la suppression des commentaires XML, le maintien des commentaires aide généralement à coder la compréhension et la maintenance. Les conseils avancés fournissent un exemple de code Python pour modifier les commentaires à l'aide de l'analyseur XML, mais l'implémentation spécifique doit être ajustée en fonction de la bibliothèque XML utilisée. Faites attention aux problèmes d'encodage lors de la modification des fichiers XML. Il est recommandé d'utiliser le codage UTF-8 et de spécifier le format de codage.

La modification XML nécessite-t-elle une programmation? La modification XML nécessite-t-elle une programmation? Apr 02, 2025 pm 06:51 PM

La modification du contenu XML nécessite une programmation, car elle nécessite une recherche précise des nœuds cibles pour ajouter, supprimer, modifier et vérifier. Le langage de programmation dispose de bibliothèques correspondantes pour traiter XML et fournit des API pour effectuer des opérations sûres, efficaces et contrôlables comme les bases de données de fonctionnement.

Y a-t-il une application mobile qui peut convertir XML en PDF? Y a-t-il une application mobile qui peut convertir XML en PDF? Apr 02, 2025 pm 08:54 PM

Une application qui convertit le XML directement en PDF ne peut être trouvée car ce sont deux formats fondamentalement différents. XML est utilisé pour stocker des données, tandis que PDF est utilisé pour afficher des documents. Pour terminer la transformation, vous pouvez utiliser des langages de programmation et des bibliothèques telles que Python et ReportLab pour analyser les données XML et générer des documents PDF.

La vitesse de conversion est-elle rapide lors de la conversion du XML en PDF sur le téléphone mobile? La vitesse de conversion est-elle rapide lors de la conversion du XML en PDF sur le téléphone mobile? Apr 02, 2025 pm 10:09 PM

La vitesse du XML mobile à PDF dépend des facteurs suivants: la complexité de la structure XML. Méthode de conversion de configuration du matériel mobile (bibliothèque, algorithme) Méthodes d'optimisation de la qualité du code (sélectionnez des bibliothèques efficaces, optimiser les algorithmes, les données de cache et utiliser le multi-threading). Dans l'ensemble, il n'y a pas de réponse absolue et elle doit être optimisée en fonction de la situation spécifique.

Comment ouvrir le format XML Comment ouvrir le format XML Apr 02, 2025 pm 09:00 PM

Utiliser la plupart des éditeurs de texte pour ouvrir des fichiers XML; Si vous avez besoin d'un affichage d'arbre plus intuitif, vous pouvez utiliser un éditeur XML, tel que Oxygen XML Editor ou XMLSPY; Si vous traitez les données XML dans un programme, vous devez utiliser un langage de programmation (tel que Python) et des bibliothèques XML (telles que XML.ETREE.ElementTree) pour analyser.

Comment définir un type d'énumération à Protobuf et associer des constantes de chaîne? Comment définir un type d'énumération à Protobuf et associer des constantes de chaîne? Apr 02, 2025 pm 03:36 PM

Problèmes de définition de l'énumération constante de la chaîne à Protobuf Lorsque vous utilisez Protobuf, vous rencontrez souvent des situations où vous devez associer le type d'énumération aux constantes de chaîne ...

Quel est le processus de conversion de XML en images? Quel est le processus de conversion de XML en images? Apr 02, 2025 pm 08:24 PM

Pour convertir les images XML, vous devez d'abord déterminer la structure des données XML, puis sélectionner une bibliothèque graphique appropriée (telle que Matplotlib de Python) et la méthode, sélectionner une stratégie de visualisation basée sur la structure de données, considérer le volume de données et le format d'image, effectuer un traitement par lots ou utiliser des bibliothèques efficaces, et enfin les enregistrer sous le nom de PNG, JPEG, ou SVG selon les besoins.

Comment convertir XML en PDF sur votre téléphone avec une qualité de haute qualité? Comment convertir XML en PDF sur votre téléphone avec une qualité de haute qualité? Apr 02, 2025 pm 09:48 PM

Convertir XML en PDF avec une qualité de haute qualité sur votre téléphone mobile nécessite: analyser le XML dans le cloud et générer des PDF à l'aide d'une plate-forme informatique sans serveur. Choisissez un analyseur XML efficace et une bibliothèque de génération PDF. Gérer correctement les erreurs. Faites une utilisation complète de la puissance de cloud computing pour éviter les tâches lourdes sur votre téléphone. Ajustez la complexité en fonction des exigences, notamment le traitement des structures XML complexes, la génération de PDF de plusieurs pages et l'ajout d'images. Imprimez les informations du journal pour aider à déboguer. Optimiser les performances, sélectionner des analyseurs efficaces et des bibliothèques PDF et peut utiliser une programmation asynchrone ou des données XML prétraitées. Assurez-vous une bonne qualité de code et maintenabilité.

See all articles