Numpy 버전 보기에 대한 이해하기 쉬운 가이드

NumPy는 Python의 중요한 과학 컴퓨팅 패키지로, 많은 수학 관련 기능을 제공하며 데이터 분석, 기계 학습, 딥 러닝 및 기타 분야에서 널리 사용됩니다. NumPy에서 배열은 주요 데이터 구조이며, 배열 연산은 NumPy의 핵심 기능 중 하나입니다.

이 글에서는 NumPy 배열의 기본 작업과 보기 방법을 소개하여 독자들이 배열 요소에 액세스하는 방법, 배열 모양을 수정하는 방법, 배열의 속성을 보는 방법 등을 이해할 수 있도록 합니다.

1. 배열 만들기

NumPy에서는 numpy.array() 함수를 사용하여 아래와 같이 배열을 만들 수 있습니다.

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

이때 arr은 5개의 요소를 포함하는 1차원 배열입니다. numpy.arange() 함수 또는 numpy.linspace() 함수를 통해 1차원 배열을 만들 수도 있습니다.

arr1 = np.arange(10)   # 生成一个0到9的一维数组
arr2 = np.linspace(0, 10, 11)   # 生成一个0到10之间，含11个元素的一维数组

2. 요소 액세스

NumPy 배열의 요소에 액세스하는 것은 배열 첨자를 통해 수행할 수 있습니다. 배열 첨자에 0부터 시작합니다. 다차원 배열의 경우 여러 첨자를 사용하여 특정 요소에 액세스할 수 있습니다. 예:

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr[0, 0])   # 访问第一个元素 1
print(arr[1, 2])   # 访问第二行第三列的元素 6

3. 모양 수정

NumPy에서는 numpy.reshape() 함수를 사용하여 배열의 모양을 수정할 수 있습니다. 예를 들면 다음과 같습니다.

arr = np.array([1, 2, 3, 4, 5, 6])
new_arr = arr.reshape(2, 3)   # 将一维数组变为二维数组，形状为(2,3)

이때 new_arr의 모양은 (2,3)이며 이는 2개의 행과 3개의 열로 구성된 행렬입니다.

1  2  3
4  5  6

4. 배열 속성 보기

NumPy에서는 배열의 모양, 요소 개수, 데이터 유형 등의 속성을 확인할 수 있습니다. 예를 들면 다음과 같습니다.

arr = np.array([1, 2, 3, 4, 5, 6])
print(arr.shape)   # 输出形状 (6,)
print(arr.size)   # 输出元素个数 6
print(arr.dtype)   # 输出数据类型 int32

그 중 Shape는 배열의 모양을 나타내고, Size는 배열 요소의 개수를 나타내며, dtype은 배열의 데이터 유형을 나타냅니다.

5. 기타 배열 작업

(1) 배열에 대한 슬라이싱 작업을 수행하려면 ":" 연산자를 사용할 수 있습니다. 예:

arr = np.array([1, 2, 3, 4, 5, 6])
print(arr[1:4])   # 输出[2 3 4]

(2) 배열 요소의 합계, 평균, 표준 편차 등을 계산하는 등 배열에 대한 일부 통계 연산을 수행합니다. 예:

arr = np.array([1, 2, 3, 4, 5, 6])
print(np.sum(arr))   # 计算元素的和，输出21
print(np.mean(arr))   # 计算平均值，输出3.5
print(np.std(arr))   # 计算标准差，输出1.707825127659933

(3) 배열에서 조건을 충족하는 요소를 필터링하는 등 배열에서 일부 논리 연산을 수행합니다. 예:

arr = np.array([1, 2, 3, 4, 5, 6])
print(arr[arr > 3])   # 输出[4 5 6]

위는 NumPy를 사용하여 배열을 작동하는 기본 방법입니다. 이러한 방법을 사용하여 배열의 모양과 요소에 액세스하고 수정할 수 있을 뿐만 아니라 일부 통계 및 논리 연산을 수행할 수도 있습니다.

위 내용은 Numpy 버전 보기에 대한 이해하기 쉬운 가이드의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!