Explorez les fonctions numpy couramment utilisées en Python : Comprendre les fonctions numpy

Comprendre les fonctions numpy : explorez les fonctions numpy couramment utilisées en Python, des exemples de code spécifiques sont requis

Introduction :
En Python, NumPy (abréviation de Numerical Python) est une puissante bibliothèque de calcul scientifique qui fournit à Python des fonctionnalités multidimensionnelles efficaces. des objets tableau et une grande bibliothèque de fonctions mathématiques. NumPy est l'une des bibliothèques de base pour le calcul scientifique utilisant Python et est largement utilisée dans l'analyse de données, l'apprentissage automatique, le traitement d'images et d'autres domaines. Cet article présentera certaines fonctions NumPy couramment utilisées et fournira des exemples de code spécifiques.

1. Fonctions pour créer des tableaux

(1) Créer des tableaux unidimensionnels
En utilisant les fonctions arange, linspace, logspace et autres de numpy, nous pouvons créer des tableaux unidimensionnels.

Exemple de code :

importer numpy en tant que np

Utilisez la fonction arange pour créer un tableau unidimensionnel

arr1 = np.arange(10)
print("Tableau unidimensionnel créé par la fonction arange : ", arr1)

Utiliser linspace La fonction crée un tableau unidimensionnel

arr2 = np.linspace(0, 1, 10) # Génère 10 nombres équidistants de 0 à 1
print("Tableau unidimensionnel créé par le linspace function: ", arr2)

Utilisez la fonction logspace pour créer un tableau unidimensionnel

arr3 = np.logspace(0, 2, 10) # Générez 10 nombres espacés logarithmiquement de 10^0 à 10^2
print( "Tableau unidimensionnel créé par la fonction logspace Array : ", arr3)

(2) Créer un tableau multidimensionnel
En plus des tableaux unidimensionnels, nous pouvons également créer des tableaux multidimensionnels en utilisant la fonction de tableau de numpy.

Exemple de code :

importer numpy en tant que np

Utilisez la fonction de tableau pour créer un tableau à deux dimensions

arr4 = np.array([[1, 2, 3],

             [4, 5, 6]])

print("Tableau à deux dimensions créé par la fonction tableau :
", arr4)

Utilisez la fonction tableau pour créer un tableau tridimensionnel

arr5 = np.array([[[1, 2, 3],

              [4, 5, 6]],
             [[7, 8, 9],
              [10, 11, 12]]])

print("Tableau tridimensionnel créé par la fonction de tableau :
", arr5)

2. Fonctions d'opération de tableau

NumPy fournit une multitude de fonctions d'opération de tableau, notamment des fonctions mathématiques, des fonctions statistiques, des fonctions logiques, etc.

(1) Fonctions mathématiques
Fonctions mathématiques dans NumPy peut opérer sur des éléments dans des tableaux, tels que les fonctions logarithmiques, les fonctions trigonométriques, les fonctions exponentielles, etc.

Exemple de code :

importer numpy sous np

arr6 = np.array([1, 2, 3). , 4])

Calculez le carré du tableau

print("Le carré du tableau:", np.square(arr6))

Calculez la racine carrée du tableau

print("La racine carrée de le tableau :", np.sqrt(arr6))

Calculez la fonction exponentielle du tableau

print("Fonction exponentielle du tableau :", np.exp(arr6))

(2) Fonctions statistiques
En utilisant Les fonctions statistiques de NumPy nous permettent d'effectuer des analyses statistiques sur des tableaux, telles que la somme, la moyenne et le maximum, la valeur minimale, etc.

Exemple de code :

importer numpy sous np

arr7 = np.array([1, 2). , 3, 4, 5])

Trouver la somme du tableau

print("Somme du tableau：", np.sum(arr7))

Trouver la moyenne du tableau

print("La moyenne du tableau :", np.mean(arr7))

Trouver la valeur maximale du tableau

print("La moyenne du tableau Valeur maximale : ", np.max(arr7))

Trouver le minimum valeur du tableau

print("Valeur minimale du tableau : ", np.min(arr7))

(3) Fonction logique
Fonction logique pour le tableau Effectuer des opérations logiques sur les éléments, comme juger si les éléments se rencontrent une certaine condition.

Exemple de code :

importer numpy comme np

arr8 = np.array([1, 2, 3, 4, 5])

Jugement si les éléments du tableau sont supérieurs à 2

.

print("si les éléments du tableau sont supérieurs à 2 :", np.greater(arr8, 2))

détermine si les éléments du tableau sont inférieurs ou égaux à 3

print("si les éléments du tableau dans le tableau sont inférieurs ou égaux à 3 : ", np.less_equal(arr8, 3))

3. Fonction de forme de tableau

NumPy fournit de nombreuses fonctions pour les opérations de forme de tableau, telles que la modification de la forme du tableau, l'épissage des tableaux, etc. .

(1) Changer la forme du tableau
Vous pouvez modifier la forme du tableau en utilisant la fonction de remodelage, par exemple en changeant un tableau unidimensionnel en un tableau bidimensionnel ou en changeant un tableau multidimensionnel en un seul. -tableau dimensionnel.

Exemple de code :

importer numpy en tant que np

arr9 = np.arange(9)

Convertir un tableau unidimensionnel en un tableau bidimensionnel avec trois lignes et trois colonnes

arr10 = np.reshape(arr9 , (3, 3))
print("Convertir un tableau unidimensionnel en un tableau bidimensionnel :
", arr10)

Convertir un tableau multidimensionnel en un tableau unidimensionnel

arr11 = np.ravel (arr10)
print("Convertir un tableau multidimensionnel en un tableau unidimensionnel Pour un tableau unidimensionnel : ", arr11)

(2) Épissage des tableaux
NumPy fournit des fonctions telles que vstack, hstack et concaténer pour l'épissage tableaux.

Exemple de code :

importer numpy en tant que np

arr12 = np.array([[1, 2, 3],

              [4, 5, 6]])

arr13 = np.array([[7, 8, 9],

              [10, 11, 12]])

vertical Matrice épissée

arr14 = np.vstack((arr12, arr13))
print("Matrice épissée verticale :
", arr14)

Matrice épissée horizontale

arr15 = np.hstack((arr12 , arr13))
print ("Tableau d'épissage horizontal :
", arr15)

Résumé :
Grâce à l'introduction de cet article, nous avons découvert certaines fonctions couramment utilisées dans NumPy, notamment les fonctions de création de tableaux, les fonctions d'opération de tableau, et les fonctions de forme de tableau.Ces fonctions le peuvent.Cela nous aide à effectuer des opérations sur les tableaux et des calculs mathématiques plus facilement et à améliorer l'efficacité de la programmation.J'espère que les lecteurs se familiariseront davantage avec les fonctions couramment utilisées dans NumPy et pourront les appliquer de manière flexible aux données réelles. traitement et calculs scientifiques

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!