Un guide concis sur l'utilisation des fonctions numpy

Comment utiliser les fonctions NumPy de manière simple et facile à comprendre, des exemples de code spécifiques sont nécessaires

NumPy est une bibliothèque de calcul scientifique très couramment utilisée en Python. Elle fournit une multitude de fonctions et d'outils pour traiter des tableaux et des matrices. Dans cet article, nous présenterons certaines fonctions couramment utilisées dans NumPy et comment les utiliser, et démontrerons leurs fonctions à travers des exemples de code spécifiques.

1. Créer des tableaux

En utilisant NumPy, vous pouvez facilement créer différents types de tableaux. Voici plusieurs façons courantes de créer des tableaux :

1. Utilisez la fonction numpy.array pour créer un tableau unidimensionnel :

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

   Sortie :

   [1 2 3 4 5]

2. Utilisez la fonction numpy.zeros pour créer un tableau composé uniquement de zéros. :

   b = np.zeros((3, 4))
   print(b)

   Sortie :

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

3. Utilisez la fonction numpy.ones pour créer un tableau avec tous les éléments :

   c = np.ones((2, 3))
   print(c)

   Sortie :

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

4. Utilisez la fonction numpy.eye pour créer une matrice d'identité :

   d = np.eye(3)
   print(d)

   Sortie :

   [[1. 0. 0.]
    [0. 1. 0.]
    [0. 0. 1.]]

2.

Nombre d'éléments dans le tableau :

print(a.shape)  # 输出(5,)
print(b.shape)  # 输出(3, 4)
print(c.shape)  # 输出(2, 3)
print(d.shape)  # 输出(3, 3)

1. Type de données du tableau :

   print(a.ndim)  # 输出1
   print(b.ndim)  # 输出2
   print(c.ndim)  # 输出2
   print(d.ndim)  # 输出2

2. 3. Opérations sur le tableau

NumPy fournit une multitude d'opérations sur le tableau :
Addition et. somme des tableaux Soustraction :

4. print(a.size)  # 输出5
   print(b.size)  # 输出12
   print(c.size)  # 输出6
   print(d.size)  # 输出9

Multiplication et division des tableaux :

print(a.dtype)  # 输出int64
print(b.dtype)  # 输出float64
print(c.dtype)  # 输出float64
print(d.dtype)  # 输出float64

Carrés et racines carrées des tableaux :

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

print(x + y)  # 输出[5 7 9]
print(x - y)  # 输出[-3 -3 -3]

1. Multiplication matricielle des tableaux :

   print(x * y)  # 输出[4 10 18]
   print(x / y)  # 输出[0.25 0.4  0.5 ]

2. 4. Indexation et découpage de tableaux

Num Py Fournit des fonctions puissantes pour accéder aux éléments du tableau :
Index du tableau :

4. print(np.square(x))  # 输出[1 4 9]
   print(np.sqrt(y))  # 输出[2. 2.236 2.449]

Tranche du tableau :

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

print(np.dot(a, b))  # 输出[[19 22] [43 50]]

5. Opérations statistiques sur les tableaux

NumPy fournit un. riche tableau de tableaux Opérations statistiques, voici quelques exemples :
Calculer la somme, la moyenne et l'écart type d'un tableau :

2. a = np.array([1, 2, 3, 4, 5])
   
   print(a[0])  # 输出1
   print(a[-1])  # 输出5

Calculer les valeurs minimales et maximales d'un tableau :

b = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

print(b[0])  # 输出[1 2 3 4]
print(b[:, 0])  # 输出[1 5 9]
print(b[1:3, 1:3])  # 输出[[6 7] [10 11]]

Résumé :

Cet article présente NumPy Certaines fonctions et méthodes de fonctionnement courantes dans la bibliothèque, et démontre leur utilisation à travers des exemples de code spécifiques. En apprenant ces fonctions et opérations, vous pourrez mieux comprendre et appliquer la bibliothèque NumPy pour le calcul scientifique et l'analyse de données. J'espère que cet article pourra vous aider à apprendre 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!