Apprendre et appliquer les principales fonctions de la bibliothèque de fonctions numpy

Maîtrisez les fonctions clés et leurs applications dans la bibliothèque de fonctions numpy

Dans le domaine de la science des données et de l'apprentissage automatique, numpy est une bibliothèque Python très importante, qui fournit des objets tableaux multidimensionnels hautes performances et diverses fonctions mathématiques . Cet article présentera quelques fonctions clés de numpy et fournira des exemples de code spécifiques pour aider les lecteurs à mieux comprendre et utiliser ces fonctions.

1. création et initialisation de tableaux numpy

numpy fournit une variété de méthodes pour créer et initialiser des tableaux. Parmi elles, la plus basique consiste à utiliser la fonction numpy.array() :

import numpy as np

# 创建一维数组
arr1d = np.array([1, 2, 3, 4, 5])
print(arr1d)

# 创建二维数组
arr2d = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2d)

# 创建全零数组
zeros = np.zeros((3, 3))
print(zeros)

# 创建全一数组
ones = np.ones((2, 2))
print(ones)

# 创建指定范围的数组
range_arr = np.arange(1, 10)
print(range_arr)

2. Opérations sur les tableaux

numpy fournit de nombreuses fonctions pour opérer sur des tableaux, notamment le calcul de la somme, de la moyenne, de l'écart type, etc. éléments. Voici quelques exemples de fonctions de manipulation de tableaux couramment utilisées :

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])

# 计算数组元素的和
print(np.sum(arr))

# 计算数组元素的平均值
print(np.mean(arr))

# 计算数组元素的标准差
print(np.std(arr))

# 沿指定轴计算数组元素的和
print(np.sum(arr, axis=0))  # 沿着列的方向求和
print(np.sum(arr, axis=1))  # 沿着行的方向求和

# 数组的合并和分割
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])

# 合并数组
concat_arr = np.concatenate((arr1, arr2))
print(concat_arr)

# 按指定轴分割数组
split_arr = np.split(concat_arr, 2, axis=1)
print(split_arr)

3. Indexation et découpage de tableaux

En utilisant numpy, vous pouvez facilement indexer et découper des tableaux, voici quelques exemples couramment utilisés :

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

# 获取指定位置的元素
print(arr[2])  # 输出：3

# 切片操作
print(arr[1:4] ) # 输出：[2, 3, 4]

# 多维数组的索引和切片
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 获取指定位置的元素
print(arr[0, 1])  # 输出：2

# 切片操作
print(arr[:2, 1:])  # 输出：[[2,3], [5,6]]

4. Forme et remodelage du tableau

numpy fournit une série de fonctions et de méthodes pour manipuler la forme d'un tableau, comme modifier les dimensions du tableau, remodeler le tableau, etc. Les exemples sont les suivants :

import numpy as np

# 改变数组形状
arr = np.array([[1, 2, 3], [4, 5, 6]])
reshaped_arr = np.reshape(arr, (3, 2))
print(reshaped_arr)

# 获取数组的形状
print(arr.shape)  # 输出：(2, 3)

# 将多维数组展平为一维数组
flatten_arr = arr.flatten()
print(flatten_arr)

5. Opérations sur les éléments du tableau

numpy fournit une série de fonctions pour effectuer des opérations mathématiques sur les éléments du tableau, telles que le calcul de carrés, l'enracinement, la prise de logarithmes, etc. Voici quelques exemples :

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

# 计算数组元素的平方
print(np.power(arr, 2))

# 计算数组元素的开方
print(np.sqrt(arr))

# 计算数组元素的对数
print(np.log(arr))

Résumé :

Cet article présente certaines fonctions clés de la bibliothèque de fonctions numpy et leurs applications, et fournit des exemples de code spécifiques. Ces fonctions incluent la création et l'initialisation de tableaux, les opérations sur les tableaux, l'indexation et le découpage des tableaux, la forme et le remodelage des tableaux, ainsi que les opérations sur les éléments du tableau. En maîtrisant ces fonctions, les lecteurs pourront mieux utiliser numpy pour le traitement et l'analyse des données et améliorer l'efficacité du travail.

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!