Techniques de création de tableaux Numpy et guide pratique d'application

Conseils de création de tableaux Numpy et guide d'application

Numpy est une puissante bibliothèque en Python, largement utilisée dans des domaines tels que le calcul scientifique, l'analyse de données et l'apprentissage automatique. Dans Numpy, la structure de données la plus élémentaire est un tableau multidimensionnel, également appelé ndarray. Cet article présentera quelques techniques de création de tableaux Numpy et fournira des exemples de code spécifiques pour aider les lecteurs à mieux comprendre et appliquer les tableaux Numpy.

1. Création de tableaux Numpy

1. Création à l'aide de listes

Le moyen le plus simple de créer des tableaux Numpy est d'utiliser des listes Python. Les listes peuvent être converties en tableaux Numpy en passant la liste à la fonction numpy.array().

import numpy as np

# 创建一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)
# 输出：[1 2 3 4 5]

# 创建二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2)
# 输出：
# [[1 2 3]
#  [4 5 6]]

2. Créer à l'aide de fonctions de plage

Numpy fournit une série de fonctions de plage pour créer facilement des tableaux Numpy avec des plages et des intervalles spécifiques.

import numpy as np

# 创建一维等差数列数组
arr3 = np.arange(0, 10, 2)
print(arr3)
# 输出：[0 2 4 6 8]

# 创建一维等间隔数列数组
arr4 = np.linspace(0, 1, 5)
print(arr4)
# 输出：[0.   0.25 0.5  0.75 1.  ]

3. Créer à l'aide de la fonction aléatoire

Lorsque vous devez créer un tableau Numpy avec des nombres aléatoires, vous pouvez utiliser la fonction aléatoire de Numpy.

import numpy as np

# 创建具有随机整数的一维数组
arr5 = np.random.randint(0, 10, 5)
print(arr5)
# 输出：[8 6 3 9 1]

# 创建具有随机浮点数的二维数组
arr6 = np.random.rand(2, 3)
print(arr6)
# 输出：
# [[0.61723063 0.25061847 0.76613935]
#  [0.96519743 0.45027448 0.62479021]]

2. Application des tableaux Numpy

1. Transformation de la forme des tableaux

Les tableaux Numpy fournissent plusieurs fonctions pour ajuster la forme des tableaux, y compris des opérations telles que la transformation des dimensions du tableau, la transposition des tableaux et le remodelage des tableaux.

import numpy as np

# 变换数组形状
arr7 = np.arange(12).reshape(3, 4)
print(arr7)
# 输出：
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

# 转置数组
arr8 = arr7.T
print(arr8)
# 输出：
# [[ 0  4  8]
#  [ 1  5  9]
#  [ 2  6 10]
#  [ 3  7 11]]

# 重塑数组形状
arr9 = np.arange(12).reshape(2, 2, 3)
print(arr9)
# 输出：
# [[[ 0  1  2]
#   [ 3  4  5]]
#  [[ 6  7  8]
#   [ 9 10 11]]]

2. Opérations sur les éléments du tableau

Le tableau Numpy prend en charge les opérations sur les éléments du tableau un par un, telles que l'accès positionnel, le découpage, la réduction de dimensionnalité et l'épissage, etc.

import numpy as np

# 访问单个数组元素
arr10 = np.array([1, 2, 3, 4, 5])
print(arr10[2])
# 输出：3

# 对数组进行切片操作
arr11 = np.array([1, 2, 3, 4, 5])
print(arr11[1:4])
# 输出：[2 3 4]

# 降维数组
arr12 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr12.flatten())
# 输出：[1 2 3 4 5 6]

# 数组拼接
arr13 = np.array([1, 2, 3])
arr14 = np.array([4, 5, 6])
print(np.concatenate((arr13, arr14)))
# 输出：[1 2 3 4 5 6]

Ce qui précède ne sont que quelques conseils et exemples d'application pour la création de tableaux Numpy. Il existe davantage d'opérations et de fonctions parmi lesquelles choisir dans les applications réelles. La maîtrise de la création et du fonctionnement de tableaux Numpy sera d'un grand avantage pour les tâches de traitement et d'analyse des données. J'espère que l'introduction de cet article pourra fournir aux lecteurs de l'aide et des conseils.

Résumé :

• Numpy est une puissante bibliothèque en Python, utilisée pour des tâches telles que le calcul scientifique, l'analyse de données et l'apprentissage automatique.
• Les tableaux Numpy peuvent être créés à l'aide de listes, de fonctions de plage et de fonctions aléatoires.
• Les tableaux Numpy offrent une multitude de fonctions opérationnelles, notamment la transformation de la forme du tableau et les opérations sur les éléments du tableau.
• Maîtriser la création et le fonctionnement de tableaux Numpy sera d'un grand avantage pour les tâches de traitement et d'analyse des données.

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!