Numpy 함수 사용에 대한 간결한 가이드

NumPy 함수를 사용하는 방법은 간단하고 이해하기 쉬우며 구체적인 코드 예제가 필요합니다.

NumPy는 Python에서 매우 일반적으로 사용되는 과학 컴퓨팅 라이브러리로 배열과 행렬을 처리하는 풍부한 기능과 도구를 제공합니다. 이 기사에서는 NumPy에서 일반적으로 사용되는 몇 가지 기능과 사용 방법을 소개하고 특정 코드 예제를 통해 해당 기능을 시연합니다.

1. 배열 만들기

NumPy를 사용하면 다양한 유형의 배열을 쉽게 만들 수 있습니다. 다음은 배열을 만드는 몇 가지 일반적인 방법입니다.

1. numpy.array 함수를 사용하여 1차원 배열을 만듭니다.

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

   출력:

   [1 2 3 4 5]

2. numpy.zeros 함수를 사용하여 모두 0으로 구성된 배열을 만듭니다. :

   b = np.zeros((3, 4))
   print(b)

   출력:

   [[0. 0. 0. 0.]
    [0. 0. 0. 0.]
    [0. 0. 0. 0.]]

3. numpy.ones 함수를 사용하여 모든 요소가 포함된 배열 만들기:

   c = np.ones((2, 3))
   print(c)

   출력:

   [[1. 1. 1.]
    [1. 1. 1.]]

4. numpy.eye 함수를 사용하여 단위 행렬 만들기:

   d = np.eye(3)
   print(d)

   출력:

   [[1. 0. 0.]
    [0. 1. 0.]
    [0. 0. 1.]]

2. 배열 속성 및 기본 연산

NumPy 배열에는 몇 가지 일반적으로 사용되는 속성과 기본 연산이 있습니다. 다음은 몇 가지 예입니다.

1. 배열 모양:

   print(a.shape)  # 输出(5,)
   print(b.shape)  # 输出(3, 4)
   print(c.shape)  # 输出(2, 3)
   print(d.shape)  # 输出(3, 3)

2. 배열 크기:

   print(a.ndim)  # 输出1
   print(b.ndim)  # 输出2
   print(c.ndim)  # 输出2
   print(d.ndim)  # 输出2

3. 배열의 요소 수:

   print(a.size)  # 输出5
   print(b.size)  # 输出12
   print(c.size)  # 输出6
   print(d.size)  # 输出9

4. 배열의 데이터 유형:

   print(a.dtype)  # 输出int64
   print(b.dtype)  # 输出float64
   print(c.dtype)  # 输出float64
   print(d.dtype)  # 输出float64

3. 배열 작업

NumPy는 다음과 같은 몇 가지 예를 제공합니다.

1. Addition 및 배열의 합 뺄셈:

   x = np.array([1, 2, 3])
   y = np.array([4, 5, 6])
   
   print(x + y)  # 输出[5 7 9]
   print(x - y)  # 输出[-3 -3 -3]

2. 배열의 곱셈과 나눗셈:

   print(x * y)  # 输出[4 10 18]
   print(x / y)  # 输出[0.25 0.4  0.5 ]

3. 배열의 제곱근과 제곱근:

   print(np.square(x))  # 输出[1 4 9]
   print(np.sqrt(y))  # 输出[2. 2.236 2.449]

4. 배열의 행렬 곱셈:

   a = np.array([[1, 2], [3, 4]])
   b = np.array([[5, 6], [7, 8]])
   
   print(np.dot(a, b))  # 输出[[19 22] [43 50]]

4. 인덱싱 및 slic 배열

Num Py는 배열 요소에 액세스하기 위한 강력한 기능을 제공합니다. 다음은 몇 가지 예입니다.

1. 배열 인덱스:

   a = np.array([1, 2, 3, 4, 5])
   
   print(a[0])  # 输出1
   print(a[-1])  # 输出5

2. 배열 슬라이스:

   b = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
   
   print(b[0])  # 输出[1 2 3 4]
   print(b[:, 0])  # 输出[1 5 9]
   print(b[1:3, 1:3])  # 输出[[6 7] [10 11]]

5. 배열에 대한 통계 연산

NumPy는 다음을 제공합니다. 풍부한 배열 배열 통계 연산에 대한 몇 가지 예는 다음과 같습니다.

1. 배열의 합계, 평균 및 표준 편차 계산:

   a = np.array([1, 2, 3, 4, 5])
   
   print(np.sum(a))  # 输出15
   print(np.mean(a))  # 输出3.0
   print(np.std(a))  # 输出1.41421356

2. 배열의 최소값 및 최대값 계산:

   b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
   
   print(np.min(b))  # 输出1
   print(np.max(b))  # 输出9

요약:

이 기사에서는 NumPy 라이브러리의 몇 가지 일반적인 기능과 작업 방법을 소개하고 특정 코드 예제를 통해 사용법을 보여줍니다. 이러한 기능과 연산을 학습함으로써 과학 컴퓨팅 및 데이터 분석을 위한 NumPy 라이브러리를 더 잘 이해하고 적용할 수 있습니다. 이 글이 NumPy를 배우는 데 도움이 되기를 바랍니다!

위 내용은 Numpy 함수 사용에 대한 간결한 가이드의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!