공통 매개변수 분석 및 numpy 함수 사용

공용 매개변수 분석 및 numpy 함수 사용법

Numpy는 Python에서 흔히 사용되는 수치 연산 라이브러리로, 풍부한 수치 연산 함수와 데이터 구조를 제공하며, 배열 연산과 수치 연산을 편리하고 빠르게 수행할 수 있습니다. 이 기사에서는 numpy 함수의 일반적인 매개변수와 사용법을 분석하고 구체적인 코드 예제를 제공합니다.

1. numpy 함수의 공통 매개변수

1. array_like: 이는 numpy 함수에서 가장 일반적인 매개변수입니다. 즉, 다양한 반복 가능한 객체(예: 목록, 튜플, 배열 등)를 입력으로 받아들입니다. 다차원 배열일 수도 있고 1차원 배열일 수도 있습니다.

예:

import numpy as np

a = np.array([1, 2, 3, 4])  # 定义一维数组
b = np.array([[1, 2], [3, 4]])  # 定义二维数组

print(a)  # 输出：[1 2 3 4]
print(b)  # 输出：[[1 2]
          #       [3 4]]

2. dtype: 배열 요소의 데이터 유형을 지정하는 매개변수입니다. Numpy는 int, float, bool 등과 같은 다양한 데이터 유형을 지원합니다.

예:

import numpy as np

a = np.array([1, 2, 3], dtype=np.float)  # 指定数组元素为浮点型
b = np.array([1, 2, 3], dtype=np.int)  # 指定数组元素为整型

print(a)  # 输出：[1. 2. 3.]
print(b)  # 输出：[1 2 3]

3. shape: 배열의 크기를 지정하는 매개변수입니다. 숫자 또는 튜플(또는 목록)일 수 있습니다.

예:

import numpy as np

a = np.array([1, 2, 3, 4])  # 一维数组
b = np.array([[1, 2], [3, 4]])  # 二维数组

print(a.shape)  # 输出：(4,)
print(b.shape)  # 输出：(2, 2)

4. axis: 축에 대한 동작을 지정하는 매개변수입니다. 축은 0부터 시작하여 하나씩 증가하는 배열의 차원을 나타냅니다.

예:

import numpy as np

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

print(np.sum(a, axis=0))  # 按列求和，输出：[4 6]
print(np.sum(a, axis=1))  # 按行求和，输出：[3 7]

5. out: 출력 결과가 저장되는 위치를 지정하는 매개변수입니다. 이는 기존 배열일 수도 있고 새 배열일 수도 있습니다.

예:

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.zeros(3)

np.add(a, b, out=c)  # 将a和b相加，结果放在c中

print(c)  # 输出：[5. 7. 9.]

2. numpy 함수의 일반적인 사용

1. 배열 생성: np.array()、np.zeros()、np.ones()、np.arange()등과 같이 numpy에서 제공하는 다양한 생성 함수를 사용할 수 있습니다.

예:

import numpy as np

a = np.array([1, 2, 3])  # 创建一维数组
b = np.zeros((2, 2))  # 创建全0的二维数组
c = np.ones((3, 3))  # 创建全1的二维数组
d = np.arange(0, 10, 2)  # 创建一个等差数列

print(a)  # 输出：[1 2 3]
print(b)  # 输出：[[0. 0.]
          #       [0. 0.]]
print(c)  # 输出：[[1. 1. 1.]
          #       [1. 1. 1.]
          #       [1. 1. 1.]]
print(d)  # 输出：[0 2 4 6 8]

2. 배열 연산: Numpy는 덧셈, 뺄셈, 곱셈, 나눗셈, 합산, 평균 등과 같은 다양한 배열 연산 기능을 제공합니다.

예:

import numpy as np

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

print(np.add(a, b))  # 数组相加，输出：[5 7 9]
print(np.subtract(a, b))  # 数组相减，输出：[-3 -3 -3]
print(np.multiply(a, b))  # 数组相乘，输出：[4 10 18]
print(np.divide(a, b))  # 数组相除，输出：[0.25 0.4 0.5]
print(np.sum(a))  # 数组求和，输出：6
print(np.mean(a))  # 数组平均值，输出：2

3. 배열 변환: Numpy는 전치, 형태 변경, 병합 등과 같은 다양한 배열 변환 기능을 제공합니다.

예:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.transpose(a)  # 转置数组
c = np.reshape(a, (1, 4))  # 将数组重塑为1行4列的数组
d = np.concatenate((a, b), axis=1)  # 按列合并数组

print(b)  # 输出：[[1 3]
          #       [2 4]]
print(c)  # 输出：[[1 2 3 4]]
print(d)  # 输出：[[1 2 1 3]
          #       [3 4 2 4]]

이 글에서는 numpy 함수의 일반적인 매개변수와 사용법을 소개하고 구체적인 코드 예시를 제공합니다. 이러한 기능의 사용법을 익히면 배열 작업과 수치 계산을 보다 효율적으로 수행하고 프로그래밍 효율성을 향상시킬 수 있습니다.

위 내용은 공통 매개변수 분석 및 numpy 함수 사용의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!