Numpy 라이브러리에서 일반적으로 사용되는 기능의 종합 목록: 빠른 시작 및 연습 가이드

Numpy 라이브러리는 Python에서 가장 일반적으로 사용되는 데이터 처리 라이브러리 중 하나이며 효율적이고 편리한 작업 방법으로 데이터 분석가들에게 널리 사랑받고 있습니다. Numpy 라이브러리에는 데이터 처리 작업을 빠르고 효율적으로 완료하는 데 도움이 되는 일반적으로 사용되는 기능이 많이 있습니다. 이 기사에서는 일반적으로 사용되는 Numpy 기능을 소개하고 독자가 Numpy 라이브러리를 더 빨리 시작할 수 있도록 코드 예제와 실제 응용 프로그램 시나리오를 제공합니다.

1. 배열 만들기

1. numpy.array

함수 프로토타입: numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)

Function 설명 : 목록과 같은 객체를 배열로 변환합니다.

코드 예:

import numpy as np

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

2. numpy.zeros

함수 프로토타입: numpy.zeros(shape, dtype=float, order='C')

함수 설명: 지정된 모양의 모두 0인 배열을 만듭니다.

코드 예:

import numpy as np

a = np.zeros((2, 3))
print(a)  # 输出 [[0. 0. 0.]
          #      [0. 0. 0.]]

3. numpy.ones

함수 프로토타입: numpy.ones(shape, dtype=None, order='C')

함수 설명: 지정된 모양의 올-원 배열을 만듭니다.

코드 예:

import numpy as np

a = np.ones((2, 3))
print(a)  # 输出 [[1. 1. 1.]
          #      [1. 1. 1.]]

4. numpy.arange

함수 프로토타입: numpy.arange(start, stop, step, dtype=None)

함수 설명: 산술 시퀀스 배열을 만듭니다.

코드 예:

import numpy as np

a = np.arange(0, 10, 2)
print(a)  # 输出 [0 2 4 6 8]

2. 배열 작업

1. numpy.reshape

함수 프로토타입: numpy.reshape(a, newshape, order='C')

함수 설명: 배열 a를 지정된 A로 변환 새로운 모양 배열.

코드 예:

import numpy as np

a = np.array([1, 2, 3, 4, 5, 6])
b = a.reshape((2, 3))
print(b)  # 输出 [[1 2 3]
          #      [4 5 6]]

2. numpy.transpose

함수 프로토타입: numpy.transpose(a, axis=None)

함수 설명: 배열을 전치합니다.

코드 예:

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.transpose(a)
print(b)  # 输出 [[1 4]
          #      [2 5]
          #      [3 6]]

3. numpy.concatenate

함수 프로토타입: numpy.concatenate((a1, a2, ...), axis=0)

함수 설명: 배열에서 접합 작업을 수행합니다.

코드 예:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = np.concatenate((a, b), axis=0)
print(c)  # 输出 [[1 2] 
          #      [3 4] 
          #      [5 6] 
          #      [7 8]]

3. 배열 계산

1. numpy.abs

함수 프로토타입: numpy.abs(x, args, *kwargs)

함수 설명: 각 요소의 절대값을 계산합니다. 배열 값.

코드 예:

import numpy as np

a = np.array([-1, 2, -3])
b = np.abs(a)
print(b)  # 输出 [1 2 3]

2. numpy.round

함수 프로토타입: numpy.round(a, 소수점=0, out=None)

함수 설명: 배열의 요소를 반올림합니다.

코드 예:

import numpy as np

a = np.array([1.3, 2.6, 3.2])
b = np.round(a)
print(b)  # 输出 [1. 3. 3.]

3. numpy.sum

함수 프로토타입: numpy.sum(a, axis=None)

함수 설명: 배열에 있는 각 요소의 합을 계산합니다.

코드 예:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.sum(a, axis=0)
print(b)  # 输出 [4 6]

4. 일반적으로 사용되는 수학 함수

1. numpy.exp

함수 프로토타입: numpy.exp(x, args, *kwargs)

함수 설명: 각 요소의 지수 계산 배열 함수 값에서.

코드 예:

import numpy as np

a = np.array([1, 2, 3])
b = np.exp(a)
print(b)  # 输出 [ 2.71828183  7.3890561  20.08553692]

2. numpy.log

함수 프로토타입: numpy.log(x, args, *kwargs)

함수 설명: 배열에 있는 각 요소의 자연 로그를 계산합니다.

코드 예:

import numpy as np

a = np.array([1, 2, 3])
b = np.log(a)
print(b)  # 输出 [0.         0.69314718 1.09861229]

3. numpy.sqrt

함수 프로토타입: numpy.sqrt(x, args, *kwargs)

함수 설명: 배열에 있는 각 요소의 제곱근을 계산합니다.

코드 예:

import numpy as np

a = np.array([1, 4, 9])
b = np.sqrt(a)
print(b)  # 输出 [1. 2. 3.]

5. 실제 응용 시나리오

1. 다항 함수 시뮬레이션

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-5, 5, num=50)
y = np.power(x, 3) - 3 * np.power(x, 2) + 2 * x + 1

plt.plot(x, y)
plt.show()

2. 배열 가중 합계

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([0.1, 0.2, 0.3, 0.4])

result = np.sum(a * b)
print(result)  # 输出 2.0

3. 배열 정렬

import numpy as np

a = np.array([3, 2, 1, 4])
b = np.sort(a)

print(b)  # 输出 [1 2 3 4]

요약:

이 문서에서는 몇 가지 일반적인 기능과 응용 프로그램을 소개합니다. Numpy 라이브러리의 시나리오에는 배열 생성, 작업, 계산 및 일부 수학 함수가 포함됩니다. 실제 애플리케이션 시나리오에 따라 이러한 기능을 유연하게 사용하여 데이터 처리를 보다 효율적이고 편리하게 만들 수 있습니다. Numpy 라이브러리에 대한 이해와 숙달을 심화하기 위해 독자가 직접 코드를 작성하고 연습하는 것이 좋습니다.

위 내용은 Numpy 라이브러리에서 일반적으로 사용되는 기능의 종합 목록: 빠른 시작 및 연습 가이드의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!