데이터 분석 및 과학 컴퓨팅을 위해 numpy 라이브러리를 사용하는 방법을 알아보세요.

정보화 시대가 도래하면서 데이터 분석과 과학 컴퓨팅이 점점 더 많은 분야에서 중요한 부분이 되었습니다. 이 과정에서 데이터 처리 및 분석을 위한 컴퓨터의 사용은 필수적인 도구가 되었습니다. Python에서 numpy 라이브러리는 데이터를 보다 효율적으로 처리 및 분석하고 결과를 더 빠르게 얻을 수 있는 매우 중요한 도구입니다. 이 기사에서는 numpy의 일반적인 기능과 사용법을 소개하고, 깊이 있게 학습하는 데 도움이 되는 몇 가지 구체적인 코드 예제를 제공합니다.

1. numpy 라이브러리 설치 및 호출

시작하기 전에 먼저 numpy 라이브러리를 설치해야 합니다. 명령줄에 다음 명령을 입력하세요.

!pip install numpy

설치가 완료된 후 프로그램에서 numpy 라이브러리를 호출해야 합니다. 다음 명령문을 사용할 수 있습니다.

import numpy as np

여기에서는 import 명령을 사용하여 numpy 라이브러리를 프로그램에 도입하고 별칭 np를 사용하여 도서관. 이 별칭은 개인 취향에 따라 변경할 수 있습니다. import命令将numpy库引入程序中，并使用别名np来代替库的名字。这个别名可以根据个人习惯进行更改。

2. numpy库的常用功能

numpy库是一款专门用于科学计算的库，具有以下特点：

• 高性能的多维数组计算
• 对数组进行快速的数学运算和逻辑运算
• 大量的数学函数库和矩阵计算库
• 用于读写磁盘文件的工具

下面我们来介绍numpy库的一些常用功能。

2.1 创建numpy数组

numpy最重要的功能之一就是创建数组。创建数组最简单的方法就是使用np.array()函数。例如：

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

这一句代码创建了一个包含数值 [1, 2, 3] 的一维数组。

我们也可以创建多维数组，例如：

arr2d = np.array([[1, 2, 3], [4, 5, 6]])

这一句创建了一个包含两个一维数组 [1,2,3] 和 [4,5,6]

numpy 라이브러리의 공통 기능

numpy 라이브러리는 과학 컴퓨팅에 특별히 사용되는 라이브러리로 다음과 같은 특징을 갖습니다:

고성능 다차원 배열 계산

쌍 배열 빠른 수학 연산 및 논리 연산 수행

수많은 수학 함수 라이브러리 및 행렬 계산 라이브러리

디스크 파일 읽기 및 쓰기 도구

numpy 라이브러리의 몇 가지 일반적인 기능을 소개하겠습니다.

2.1 numpy 배열 만들기

numpy의 가장 중요한 기능 중 하나는 배열을 만드는 것입니다. 배열을 만드는 가장 쉬운 방법은 np.array() 함수를 사용하는 것입니다. 예:

zeros_arr = np.zeros((3, 2))   # 创建一个二维数组，每个元素为0
ones_arr = np.ones(4)          # 创建一个一维数组，每个元素为1
rand_arr = np.random.rand(3,4) # 创建一个3行4列的随机数组

이 코드 줄은 ​​[1, 2, 3] 값을 포함하는 1차원 배열을 생성합니다.

다차원 배열을 만들 수도 있습니다. 예를 들면 다음과 같습니다.

3. arr = np.array([1, 2, 3, 4, 5])
   print(arr[0])    # 输出第一个元素
   print(arr[-1])   # 输出最后一个元素
   print(arr[1:3])  # 输出索引为1到2的元素
   print(arr[:3])   # 输出前三个元素
   print(arr[3:])   # 输出后三个元素

이 문장은 두 개의 1차원 배열 [1,2,3] 및 [를 포함하는 1차원 배열을 만듭니다. 4,5,6] 의 2차원 배열입니다.

다음과 같은 사전 설정 기능을 사용하여 배열을 만들 수도 있습니다.

arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr2d[0][0])   # 输出第一行第一个元素
print(arr2d[1, :])   # 输出第二行所有元素
print(arr2d[:, 1])   # 输出第二列所有元素

2.2 배열 인덱싱 및 슬라이싱

인덱싱 및 슬라이싱을 통해 numpy 배열에 액세스하고 수정할 수 있습니다. 1차원 배열의 경우 다음 방법을 사용하여 액세스할 수 있습니다.

arr = np.array([1, 2, 3])
print(arr + 1)   # 对数组每个元素加1
print(arr * 2)   # 对数组每个元素乘2
print(arr / 3)   # 对数组每个元素除以3
print(np.mean(arr))    # 求数组平均数
print(np.var(arr))     # 求数组方差
print(np.std(arr))     # 求数组标准差

다차원 배열의 경우 다음 방법을 사용하여 액세스할 수 있습니다.

arr = np.array([1, 2, 3, 4, 5, 6])
print(arr.reshape((2, 3)))    # 将数组改变成两行三列的形状
print(arr.reshape((-1, 2)))   # 将数组改变成两列的形状
print(arr.reshape((3, -1)))   # 将数组改变成三行的形状

2.3 배열 작업

numpy는 다양한 배열 작업 방법을 제공합니다. 특히 이러한 연산에는 덧셈, 뺄셈, 곱셈, 나눗셈, 평균, 분산, 표준 편차, 내적 등이 포함됩니다.

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
print(np.dot(arr1, arr2))    # 计算两个矩阵的点积
print(arr1.T)               # 将矩阵进行转置

2.4 배열 모양 변환

때로는 numpy 배열의 모양을 만들어야 할 때가 있습니다. Numpy는 이러한 목적을 위해 많은 실용적인 도구를 제공합니다.

arr = np.random.rand(5, 3)    # 创建一个5行3列的随机数组
print(arr)
print(np.mean(arr))           # 计算数组元素的平均值

🎜2.5 행렬 계산🎜🎜numpy는 내적 및 변환과 같은 다양한 행렬 계산 도구도 제공합니다. 🎜

[[0.36112019 0.66281023 0.76194693]
 [0.13728812 0.2015571  0.2047288 ]
 [0.90020599 0.46448655 0.31758295]
 [0.9980158  0.56503496 0.98733627]
 [0.84116752 0.68022348 0.49029864]]
0.5444867833241556

🎜🎜예제 코드🎜🎜🎜다음으로 numpy 사용 방법을 더 잘 이해하는 데 도움이 되는 몇 가지 구체적인 코드 예를 제공합니다. 🎜🎜3.1 임의의 배열을 만들고 평균을 계산합니다. 🎜

arr = np.array([1, 2, 3, 4, 5])
print(np.std(arr))    # 计算数组的标准差
print(np.var(arr))    # 计算数组的方差

🎜출력: 🎜

1.4142135623730951
2.0

🎜3.2 배열의 표준편차와 분산을 계산합니다. 🎜

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
mat1 = np.mat(arr1)    # 将数组转换成矩阵
mat2 = np.mat(arr2)    
print(mat1 * mat2)     # 计算矩阵点积

🎜출력: 🎜

[[19 22]
 [43 50]]

🎜3.3 배열을 행렬로 변환하고 행렬 내적을 계산합니다. 🎜rrreee🎜출력: 🎜rrreee🎜이 문서에서는 numpy 라이브러리의 일반적인 기능과 사용법을 소개하고 모든 사람이 numpy 사용을 더 잘 이해할 수 있도록 몇 가지 구체적인 코드 예제를 제공합니다. 일상생활에서 데이터 분석과 과학 컴퓨팅의 중요성이 지속적으로 증가함에 따라 Numpy 라이브러리의 광범위한 사용도 촉진되었습니다. 이 기사가 모든 사람이 numpy 사용법을 더 잘 익히고 데이터를 더 효율적으로 처리하고 분석하는 데 도움이 되기를 바랍니다. 🎜

위 내용은 데이터 분석 및 과학 컴퓨팅을 위해 numpy 라이브러리를 사용하는 방법을 알아보세요.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!