Numpy에서 일반적으로 사용되는 기능에 대한 빠른 소개

numpy에서 일반적으로 사용되는 함수 세트를 빠르게 이해하려면 구체적인 코드 예제가 필요합니다.

데이터 과학 및 기계 학습의 부상으로 numpy는 Python에서 가장 일반적으로 사용되는 과학 컴퓨팅 라이브러리 중 하나가 되었습니다. Numpy는 강력한 다차원 배열 객체를 제공할 뿐만 아니라 수학 연산, 배열 연산, 통계 분석, 선형 대수 및 기타 연산을 수행할 수 있는 풍부한 기능 세트도 제공합니다.

numpy에서 일반적으로 사용되는 함수 집합을 빠르게 이해하기 위해 아래에서는 일반적으로 사용되는 일부 함수를 소개하고 구체적인 코드 예제를 제공합니다.

1. Create arrays

numpy는 목록을 배열로 변환, 산술 시퀀스 또는 난수 생성 등을 포함하여 배열을 만드는 다양한 기능을 제공합니다.

import numpy as np

array1 = np.array([1, 2, 3, 4, 5])  # 将列表转换为数组
print(array1)

array2 = np.arange(1, 10, 2)  # 生成等差数列，起始值为1，结束值为10，步长为2
print(array2)

array3 = np.random.random((2, 3))  # 生成2行3列的随机数数组
print(array3)

2. 배열 연산

numpy는 덧셈, 뺄셈, 곱셈과 나눗셈, 지수, 로그, 삼각 함수 등을 포함한 다양한 수학 연산 기능을 제공합니다.

import numpy as np

array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([6, 7, 8, 9, 10])

array_sum = np.add(array1, array2)  # 数组相加
print(array_sum)

array_diff = np.subtract(array1, array2)  # 数组相减
print(array_diff)

array_mult = np.multiply(array1, array2)  # 数组相乘
print(array_mult)

array_div = np.divide(array1, array2)  # 数组相除
print(array_div)

array_exp = np.exp(array1)  # 数组指数
print(array_exp)

array_log = np.log(array1)  # 数组对数
print(array_log)

array_sin = np.sin(array1)  # 数组正弦值
print(array_sin)

3. 배열 작업

numpy는 배열 모양 변환, 배열 접합, 배열 슬라이싱 등을 포함하여 배열 작업을 위한 다양한 기능을 제공합니다.

import numpy as np

array1 = np.array([[1, 2, 3], [4, 5, 6]])
array2 = np.array([[7, 8, 9], [10, 11, 12]])

array_transpose = np.transpose(array1)  # 数组转置
print(array_transpose)

array_concatenate = np.concatenate((array1, array2), axis=0)  # 数组垂直拼接
print(array_concatenate)

array_slice = array1[0:2, 1:3]  # 数组切片
print(array_slice)

4. 통계 분석

numpy는 합계, 평균, 분산, 표준 편차 등 통계 분석을 위한 다양한 기능을 제공합니다.

import numpy as np

array1 = np.array([1, 2, 3, 4, 5])

array_sum = np.sum(array1)  # 数组元素求和
print(array_sum)

array_mean = np.mean(array1)  # 数组元素求平均值
print(array_mean)

array_std = np.std(array1)  # 数组元素求标准差
print(array_std)

5. 선형 대수

numpy는 행렬 곱셈, 행렬 반전, 행렬 고유값과 같은 연산을 수행할 수 있는 풍부한 선형 대수 함수 세트를 제공합니다.

import numpy as np

matrix1 = np.array([[1, 2], [3, 4]])
matrix2 = np.array([[5, 6], [7, 8]])

matrix_dot = np.dot(matrix1, matrix2)  # 矩阵相乘
print(matrix_dot)

matrix_inv = np.linalg.inv(matrix1)  # 求矩阵的逆
print(matrix_inv)

matrix_eigen = np.linalg.eig(matrix1)  # 求矩阵的特征值
print(matrix_eigen)

위는 numpy에서 일반적으로 사용되는 함수 컬렉션의 코드 예입니다. 이러한 함수를 이해함으로써 배열연산, 수학연산, 통계분석, 선형대수학 등의 계산을 보다 유연하게 수행할 수 있습니다. 이 글이 독자들이 numpy의 일반적인 기능을 더 잘 이해하는 데 도움이 되기를 바랍니다.

위 내용은 Numpy에서 일반적으로 사용되는 기능에 대한 빠른 소개의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!