Quelles sont les fonctions numpy ?

Les fonctions Numpy incluent np.sin(), np.cos(), np.tan(), np.exp(), np.log(), np.log10(), np.log2(), np.mean (), np.median(), np.var(), np.std(), np.max(), np.min(), np.percentile(), etc.

Le système d'exploitation de ce tutoriel : système Windows 10, Python version 3.11.4, ordinateur DELL G3.

NumPy est une bibliothèque importante pour les calculs numériques en Python. Elle fournit une multitude de fonctions mathématiques, logiques, statistiques et algébriques linéaires. Voici quelques fonctions couramment utilisées dans NumPy et leurs exemples d'application :

1 Fonctions mathématiques :

np.sin(), np.cos(), np.tan() : calculez le sinus de chaque élément dans. le tableau, le cosinus, la valeur tangente.

np.exp() : Calculez la valeur de l'exposant de chaque élément du tableau.

np.log(), np.log10(), np.log2() : calculez respectivement le logarithme népérien, le logarithme en base 10 et le logarithme en base 2 de chaque élément du tableau.

import numpy as np
arr = np.array([1, 2, 3])
print(np.sin(arr))
print(np.exp(arr))
print(np.log10(arr))

2. Fonctions statistiques :

np.mean(), np.median(), np.var(), np.std() : calculez respectivement la moyenne, la médiane, la variance et la norme du tableau. .

np.max(), np.min() : Calculez les valeurs maximales et minimales du tableau.

np.percentile() : Calcule le centile d'un tableau.

import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr))
print(np.max(arr))
print(np.percentile(arr, 50))

3. Fonctions logiques :

np.logical_and(), np.logical_or(), np.logical_not() : effectuent respectivement des opérations ET logique, OU logique et NON logique.

np.all(), np.any() : déterminez si tous les éléments du tableau sont vrais ou si un élément est vrai.

import numpy as np
arr1 = np.array([True, True, False])
arr2 = np.array([False, True, False])
print(np.logical_and(arr1, arr2))
print(np.any(arr1))

4. Fonction d'algèbre linéaire :

np.dot() : Calcule le produit scalaire de deux tableaux.

np.linalg.inv() : Calcule la matrice inverse d'une matrice.

np.linalg.det() : Calcule la valeur déterminante de la matrice.

import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
print(np.dot(arr1, arr2))
print(np.linalg.inv(arr1))
print(np.linalg.det(arr1))

Ce ne sont là que l'une des fonctions couramment utilisées dans NumPy. Il fournit également de nombreuses autres fonctions, telles que des fonctions de traitement d'image, des fonctions d'intégration numérique, des fonctions de transformée de Fourier discrète, etc. Ces fonctions fournissent des outils très puissants pour les calculs numériques, faisant de NumPy un élément indispensable dans le domaine du calcul scientifique. J'espère que ces exemples vous aideront à mieux comprendre les fonctions de NumPy.

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!