Cara menggunakan modul numpy untuk pengiraan berangka dalam Python 3.x
Pengenalan:
Dalam bidang pengkomputeran saintifik dalam Python, numpy ialah modul yang sangat penting. Ia menyediakan objek tatasusunan berbilang dimensi berprestasi tinggi dan satu siri fungsi untuk memproses tatasusunan ini. Dengan menggunakan numpy, kami boleh memudahkan operasi pengiraan berangka dan mencapai kecekapan pengkomputeran yang lebih tinggi.
Artikel ini akan memperkenalkan cara menggunakan modul numpy untuk pengiraan berangka dalam Python 3.x dan memberikan contoh kod yang sepadan.
1. Pasang modul numpy:
Sebelum kita mula, kita perlu memasang modul numpy terlebih dahulu. Anda boleh menggunakan arahan pip untuk memasangnya, cuma jalankan arahan berikut:
pip install numpy
Sudah tentu, anda juga boleh menggunakan kaedah lain yang sesuai untuk memasangnya.
2. Import modul numpy:
Sebelum mula menggunakan numpy, kita perlu mengimport modul numpy. Anda boleh menggunakan kod berikut untuk mengimport modul numpy ke dalam program Python:
import numpy as np
Apabila mengimport, kami biasanya menggunakan alias np
untuk mewakili modul numpy Ini adalah untuk memudahkan penggunaan fungsi dalam modul numpy. np
来表示numpy模块,这是为了方便使用numpy模块中的函数。
三、创建numpy数组:
使用numpy进行数值计算的第一步,就是创建numpy数组。numpy数组是多维数组对象,可以容纳相同类型的数据。
以下是三种常见的创建numpy数组的方式:
np.array()
函数从常规Python列表或元组创建:import numpy as np arr1 = np.array([1, 2, 3, 4, 5]) print(arr1)
输出:
[1 2 3 4 5]
np.zeros()
函数创建全0数组:import numpy as np arr2 = np.zeros((3, 4)) print(arr2)
输出:
[[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]]
np.ones()
函数创建全1数组:import numpy as np arr3 = np.ones((2, 3)) print(arr3)
输出:
[[1. 1. 1.] [1. 1. 1.]]
四、numpy数组的属性和操作:
numpy数组不仅仅是一个普通的数组对象,它还有一些特殊的属性和操作。以下是一些常见的numpy数组属性和操作的示例:
shape
:import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr.shape)
输出:
(2, 3)
ndim
:import numpy as np arr = np.array([1, 2, 3, 4]) print(arr.ndim)
输出:
1
dtype
:import numpy as np arr = np.array([1, 2, 3, 4]) print(arr.dtype)
输出:
int64
size
:import numpy as np arr = np.array([1, 2, 3, 4]) print(arr.size)
输出:
4
五、numpy数组的数值计算:
numpy数组提供了丰富的数值计算函数,可以用来进行各种常见的数学运算。以下是一些常见的numpy数值计算函数的示例:
np.add()
:import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) result = np.add(arr1, arr2) print(result)
输出:
[5 7 9]
np.subtract()
:import numpy as np arr1 = np.array([4, 5, 6]) arr2 = np.array([1, 2, 3]) result = np.subtract(arr1, arr2) print(result)
输出:
[3 3 3]
np.multiply()
:import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) result = np.multiply(arr1, arr2) print(result)
输出:
[4 10 18]
np.divide()
np.array()
: import numpy as np arr1 = np.array([4, 5, 6]) arr2 = np.array([2, 2, 2]) result = np.divide(arr1, arr2) print(result)
[2. 2.5 3. ]
np.zeros()
untuk mencipta tatasusunan semua 0s: rrreee🎜Output: 🎜rrreeenp.ones()
untuk mencipta tatasusunan semua 1s: 🎜🎜rrreee🎜Output: 🎜rrreee🎜 4. Sifat dan operasi tatasusunan numpy: 🎜tatasusunan numpy bukan hanya objek tatasusunan biasa, Ia juga mempunyai beberapa sifat dan operasi khas. Berikut ialah contoh beberapa sifat dan operasi tatasusunan numpy biasa: 🎜ndim
:🎜🎜rrreee🎜Output: 🎜rrreeedtype
:🎜🎜rrreee🎜Output: 🎜 rrreeeAtas ialah kandungan terperinci Cara menggunakan modul numpy untuk pengiraan berangka dalam Python 3.x. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!