Un guide facile à comprendre pour afficher les versions numpy

NumPy est un package informatique scientifique important en Python. Il fournit de nombreuses fonctions liées aux mathématiques et est largement utilisé dans l'analyse de données, l'apprentissage automatique, l'apprentissage profond et d'autres domaines. Dans NumPy, le tableau est la structure de données principale et les opérations sur les tableaux sont l'une des fonctions principales de NumPy.

Cet article présentera les opérations de base et les méthodes de visualisation des tableaux NumPy, permettant aux lecteurs de comprendre comment accéder aux éléments du tableau, modifier la forme du tableau, afficher les propriétés du tableau, etc.

1. Création d'un tableau

Dans NumPy, vous pouvez utiliser la fonction numpy.array() pour créer un tableau, comme indiqué ci-dessous :

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

À l'heure actuelle, arr est un tableau unidimensionnel contenant 5 éléments. Nous pouvons également créer un tableau unidimensionnel via la fonction numpy.arange() ou la fonction numpy.linspace() :

arr1 = np.arange(10)   # 生成一个0到9的一维数组
arr2 = np.linspace(0, 10, 11)   # 生成一个0到10之间，含11个元素的一维数组

2. Accès aux éléments

L'accès aux éléments d'un tableau NumPy peut être réalisé via les indices du tableau. Faites attention. aux indices du tableau. Commencez à partir de 0. Pour les tableaux multidimensionnels, vous pouvez utiliser plusieurs indices pour accéder à des éléments spécifiques. Par exemple :

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr[0, 0])   # 访问第一个元素 1
print(arr[1, 2])   # 访问第二行第三列的元素 6

3. Modifier la forme

Dans NumPy, nous pouvons utiliser la fonction numpy.reshape() pour modifier la forme du tableau. Par exemple :

arr = np.array([1, 2, 3, 4, 5, 6])
new_arr = arr.reshape(2, 3)   # 将一维数组变为二维数组，形状为(2,3)

À ce moment, la forme de new_arr est (2,3), qui est une matrice avec deux lignes et trois colonnes. Les éléments sont :

1  2  3
4  5  6

4. Affichez les propriétés du tableau

Dans NumPy, nous pouvons vérifier la forme du tableau, les attributs tels que le nombre d'éléments et le type de données. Par exemple :

arr = np.array([1, 2, 3, 4, 5, 6])
print(arr.shape)   # 输出形状 (6,)
print(arr.size)   # 输出元素个数 6
print(arr.dtype)   # 输出数据类型 int32

Parmi eux, shape représente la forme du tableau, size représente le nombre d'éléments du tableau et dtype représente le type de données du tableau.

5. Autres opérations sur les tableaux

(1) Pour effectuer des opérations de découpage sur des tableaux, vous pouvez utiliser l'opérateur ":". Par exemple :

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

(2) Effectuez certaines opérations statistiques sur le tableau, telles que le calcul de la somme, de la moyenne, de l'écart type, etc. des éléments du tableau. Par exemple :

arr = np.array([1, 2, 3, 4, 5, 6])
print(np.sum(arr))   # 计算元素的和，输出21
print(np.mean(arr))   # 计算平均值，输出3.5
print(np.std(arr))   # 计算标准差，输出1.707825127659933

(3) Effectuez certaines opérations logiques sur le tableau, telles que filtrer les éléments du tableau qui remplissent les conditions. Par exemple :

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

Ce qui précède sont les méthodes de base d'utilisation de NumPy pour faire fonctionner des tableaux. Nous pouvons utiliser ces méthodes pour accéder et modifier la forme et les éléments du tableau, ainsi que pour effectuer certaines opérations statistiques et logiques.

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!