Explorer les fonctions NumPy : un guide complet

Compréhension approfondie des fonctions NumPy : Un guide complet

Introduction :
NumPy (Numerical Python) est une bibliothèque de base pour le calcul scientifique en Python. Il fournit des opérations et des capacités informatiques efficaces pour les tableaux multidimensionnels, rendant le traitement de données à grande échelle plus facile et plus efficace. Cet article présentera en profondeur l'utilisation des fonctions NumPy et fournira des exemples de code spécifiques pour aider les lecteurs à mieux comprendre et maîtriser les fonctions et l'utilisation des fonctions NumPy.

1. Introduction à NumPy
NumPy est l'une des bibliothèques de base pour le calcul scientifique en Python. Elle fournit des opérations et des capacités de calcul efficaces pour les tableaux multidimensionnels. Le cœur de NumPy est l'objet ndarray (tableau à N dimensions), qui est un tableau multidimensionnel pouvant stocker le même type de données. En utilisant NumPy, nous pouvons effectuer directement des opérations matricielles sans écrire de boucles, améliorant ainsi l'efficacité des opérations.

2. Utilisation de base des fonctions NumPy

1. Création d'un ndarray
   L'utilisation des fonctions NumPy peut facilement créer des ndarrays. Tout d'abord, nous devons importer la bibliothèque NumPy :

import numpy as np

Ensuite, nous pouvons créer ndarray en utilisant les fonctions fournies par NumPy. Par exemple, nous pouvons utiliser la fonction numpy.array() pour créer un tableau unidimensionnel : numpy.array()函数创建一个一维数组：

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

输出结果为：[1 2 3 4 5]

除了使用numpy.array()函数，还可以使用其他一些NumPy函数来创建不同类型的数组，如numpy.zeros()、numpy.ones()、numpy.arange()等。下面是一些常用的创建ndarray的函数及其示例代码：

• 使用numpy.zeros()创建一个全零数组：

a = np.zeros((2, 3))
print(a)

输出结果为：

[[0. 0. 0.]
 [0. 0. 0.]]

• 使用numpy.ones()创建一个全一数组：

a = np.ones((3, 4))
print(a)

输出结果为：

[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]

• 使用numpy.arange()

  a = np.arange(0, 10, 2)
  print(a)

Le résultat de sortie est : [1 2 3 4 5]

En plus d'utiliser < code>numpy.array() , vous pouvez également utiliser d'autres fonctions NumPy pour créer des tableaux de différents types, tels que numpy.zeros(), numpy.ones( ), numpy.arange()etc. Voici quelques fonctions couramment utilisées pour créer ndarray et leurs exemples de codes :

2. Utilisez numpy.zeros() pour créer un tableau composé uniquement de zéros :
   

a = np.array([1, 2, 3, 4, 5])
print(a[0])  # 输出第一个元素
print(a[1:4])  # 输出第2到第4个元素（不包括第4个元素）

Le résultat de sortie est :

1
[2 3 4]

• 
  Utilisez numpy.ones() crée un tableau de tous les uns :

a = np.arange(10)
print(a)
b = np.reshape(a, (2, 5))
print(b)

Le résultat de sortie est :

[0 1 2 3 4 5 6 7 8 9]
[[0 1 2 3 4]
 [5 6 7 8 9]]

• Utilisez numpy.arange() pour créer un tableau de séquences arithmétiques :
  

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.concatenate((a, b))
print(c)

Le résultat de sortie est : [0 2 4 6 8]

Opérations de base des tableaux
• NumPy fournit une multitude de fonctions d'opération de tableau, notamment l'indexation, le découpage, la transformation de forme, la fusion, etc. . Voici quelques fonctions d'opération de tableau couramment utilisées et leurs exemples de codes :
  

Indexation et découpage du tableau :

Vous pouvez accéder aux éléments du tableau via l'indexation et le découpage.

3. a = np.array([1, 2, 3])
   b = np.array([4, 5, 6])
   c = a + b  # 数组相加
   print(c)

   
   Le résultat de sortie est :

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = np.dot(a, b)  # 矩阵乘法
print(c)

Changer la forme du tableau :
• Vous pouvez utiliser la fonction de remodelage et la fonction de redimensionnement pour modifier la forme du tableau.
  

[[19 22]
 [43 50]]

Le résultat de sortie est :

a = np.array([True, True, False, False])
b = np.array([True, False, True, False])
c = np.logical_and(a, b)  # 逻辑与
print(c)

Fusion de tableaux :
• Vous pouvez utiliser la fonction de concaténation et la fonction de pile pour fusionner plusieurs tableaux.
  
rrreee

Le résultat de sortie est : [1 2 3 4 5 6]

Opérations sur les tableaux
• NumPy fournit de nombreuses fonctions pour les opérations sur les tableaux, y compris les opérations de base d'addition, de soustraction, de multiplication et de division, ainsi que les opérations matricielles et les opérations logiques. , etc. Ce qui suit est une brève introduction à certaines fonctions d'opération de tableau couramment utilisées et à leurs exemples de codes :
  

Opérations de base :

Les tableaux dans NumPy prennent en charge les opérations mathématiques de base, telles que l'addition, la soustraction, la multiplication, la division, etc.

rrreee

Le résultat de sortie est : [5 7 9]🎜🎜🎜Opérations matricielles : 🎜NumPy fournit une multitude de fonctions d'opérations matricielles, telles que la multiplication matricielle, la transposition matricielle, etc. 🎜🎜rrreee🎜Le résultat de sortie est : 🎜rrreee🎜🎜Opérations logiques : 🎜Les tableaux dans NumPy prennent également en charge les opérations logiques, telles que AND, OR, NOT, etc. 🎜🎜rrreee🎜Le résultat de sortie est : [Vrai Faux Faux Faux]🎜🎜Conclusion : 🎜Cet article fournit une introduction approfondie à l'utilisation des fonctions NumPy et fournit des exemples de code spécifiques. J'espère qu'en étudiant cet article, les lecteurs pourront mieux maîtriser l'utilisation des fonctions NumPy et améliorer encore l'efficacité du calcul scientifique. Bien entendu, les fonctions de NumPy sont bien plus que celles-ci. Les lecteurs peuvent également apprendre et explorer davantage à travers des documents officiels et d'autres ressources d'apprentissage. 🎜

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!