Cara menggunakan modul numpy untuk pengiraan berangka dalam Python 3.x

王林
Lepaskan: 2023-07-31 17:45:20
asal
1051 orang telah melayarinya

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
Salin selepas log masuk

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
Salin selepas log masuk

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:

  1. 使用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)
Salin selepas log masuk

输出:

[1 2 3 4 5]
Salin selepas log masuk
  1. 使用np.zeros()函数创建全0数组:
import numpy as np

arr2 = np.zeros((3, 4))
print(arr2)
Salin selepas log masuk

输出:

[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]
Salin selepas log masuk
  1. 使用np.ones()函数创建全1数组:
import numpy as np

arr3 = np.ones((2, 3))
print(arr3)
Salin selepas log masuk

输出:

[[1. 1. 1.]
 [1. 1. 1.]]
Salin selepas log masuk

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:

  1. 数组的形状 shape:
import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape)
Salin selepas log masuk

输出:

(2, 3)
Salin selepas log masuk
  1. 数组的维度 ndim:
import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr.ndim)
Salin selepas log masuk

输出:

1
Salin selepas log masuk
  1. 数组的类型 dtype:
import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr.dtype)
Salin selepas log masuk

输出:

int64
Salin selepas log masuk
  1. 数组的元素个数 size:
import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr.size)
Salin selepas log masuk

输出:

4
Salin selepas log masuk

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:

  1. 数组的加法 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)
Salin selepas log masuk

输出:

[5 7 9]
Salin selepas log masuk
  1. 数组的减法 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)
Salin selepas log masuk

输出:

[3 3 3]
Salin selepas log masuk
  1. 数组的乘法 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)
Salin selepas log masuk

输出:

[4 10 18]
Salin selepas log masuk
  1. 数组的除法 np.divide()
  2. 3. Buat tatasusunan numpy:
Langkah pertama dalam menggunakan numpy untuk pengiraan berangka ialah mencipta tatasusunan numpy. Tatasusunan numpy ialah objek tatasusunan berbilang dimensi yang boleh menyimpan data daripada jenis yang sama.

Berikut ialah tiga cara biasa untuk mencipta tatasusunan numpy:

  1. Buat daripada senarai Python biasa atau tuple menggunakan fungsi 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)
    Salin selepas log masuk

    Output:

    [2.  2.5 3. ]
    Salin selepas log masuk
    1. Gunakan fungsi np.zeros() untuk mencipta tatasusunan semua 0s:

      rrreee🎜Output: 🎜rrreee
      1. Gunakan fungsi np.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: 🎜
        1. Bentuk tatasusunanbentuk:🎜🎜rrreee🎜Output: 🎜rrreee
          1. Dimensi tatasusunan ndim:🎜🎜rrreee🎜Output: 🎜rrreee
            1. Jenis tatasusunan dtype:🎜🎜rrreee🎜Output: 🎜 rrreee
              1. Bilangan elemen dalam tatasusunansaiz:🎜🎜rrreee🎜Output: 🎜rrreee🎜5 Pengiraan berangka tatasusunan numpy: 🎜tatasusunan numpy menyediakan kaya fungsi pengiraan berangka boleh digunakan untuk melakukan pelbagai operasi matematik biasa. Berikut ialah contoh beberapa fungsi pengiraan berangka numpy biasa: 🎜
                1. Tambahan tatasusunannp.add():🎜🎜rrreee🎜Output: 🎜rrreee
                  1. Penolakan tatasusunannp.subtract():🎜🎜rrreee🎜Output: 🎜rrreee
                    1. Pendaraban tatasusunannp.multiply() :🎜🎜rrreee🎜Output: 🎜rrreee
                      1. Bahagian tatasusunan np.divide():🎜🎜rrreee🎜Output: 🎜rrreee🎜Di Atas Ini hanyalah contoh kecil fungsi pengiraan berangka Numpy juga menyediakan banyak fungsi pengiraan berangka lain yang biasa digunakan, yang boleh digunakan mengikut keperluan tertentu. 🎜🎜Kesimpulan: 🎜Dengan menggunakan modul numpy, kita boleh melakukan pengiraan berangka dengan mudah dan memperoleh kecekapan pengkomputeran yang lebih tinggi. Dalam artikel ini, kami memperkenalkan cara memasang modul numpy, mengimport modul numpy, mencipta tatasusunan numpy dan melakukan pengiraan berangka dan menyediakan contoh kod yang sepadan. 🎜🎜Dengan mempelajari dan menguasai modul numpy, kami boleh menjalankan kerja pengkomputeran saintifik dalam Python dengan lebih cekap, dan juga meletakkan asas yang kukuh untuk kajian lebih mendalam tentang pembelajaran mesin, analisis data dan bidang lain. 🎜

    Atas 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!

Label berkaitan:
sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan