Ketahui dan gunakan fungsi utama dalam pustaka fungsi numpy

Kuasai fungsi utama dan aplikasinya dalam perpustakaan fungsi numpy

Dalam bidang sains data dan pembelajaran mesin, numpy ialah perpustakaan Python yang sangat penting, yang menyediakan objek tatasusunan berbilang dimensi berprestasi tinggi dan pelbagai fungsi matematik . Artikel ini akan memperkenalkan beberapa fungsi utama dalam numpy dan menyediakan contoh kod khusus untuk membantu pembaca memahami dan menggunakan fungsi ini dengan lebih baik.

1. penciptaan dan pemula tatasusunan numpy

numpy menyediakan pelbagai kaedah untuk mencipta dan memulakan tatasusunan. Antaranya, yang paling asas ialah menggunakan fungsi numpy.array():

import numpy as np

# 创建一维数组
arr1d = np.array([1, 2, 3, 4, 5])
print(arr1d)

# 创建二维数组
arr2d = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2d)

# 创建全零数组
zeros = np.zeros((3, 3))
print(zeros)

# 创建全一数组
ones = np.ones((2, 2))
print(ones)

# 创建指定范围的数组
range_arr = np.arange(1, 10)
print(range_arr)

2. Operasi tatasusunan

numpy menyediakan banyak fungsi untuk beroperasi pada tatasusunan, termasuk mengira jumlah, min, sisihan piawai, dll. tatasusunan elemen. Berikut ialah beberapa contoh fungsi manipulasi tatasusunan yang biasa digunakan:

import numpy as np

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

# 计算数组元素的和
print(np.sum(arr))

# 计算数组元素的平均值
print(np.mean(arr))

# 计算数组元素的标准差
print(np.std(arr))

# 沿指定轴计算数组元素的和
print(np.sum(arr, axis=0))  # 沿着列的方向求和
print(np.sum(arr, axis=1))  # 沿着行的方向求和

# 数组的合并和分割
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])

# 合并数组
concat_arr = np.concatenate((arr1, arr2))
print(concat_arr)

# 按指定轴分割数组
split_arr = np.split(concat_arr, 2, axis=1)
print(split_arr)

3. Pengindeksan dan penghirisan tatasusunan

Menggunakan numpy, anda boleh mengindeks dan menghiris tatasusunan dengan mudah, berikut adalah beberapa contoh yang biasa digunakan:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

# 获取指定位置的元素
print(arr[2])  # 输出：3

# 切片操作
print(arr[1:4] ) # 输出：[2, 3, 4]

# 多维数组的索引和切片
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 获取指定位置的元素
print(arr[0, 1])  # 输出：2

# 切片操作
print(arr[:2, 1:])  # 输出：[[2,3], [5,6]]

4. Reshapearray

Bentuk Array

numpy menyediakan satu siri fungsi dan kaedah untuk memanipulasi bentuk tatasusunan, seperti menukar dimensi tatasusunan, membentuk semula tatasusunan, dsb. Contohnya adalah seperti berikut:

5. import numpy as np
   
   # 改变数组形状
   arr = np.array([[1, 2, 3], [4, 5, 6]])
   reshaped_arr = np.reshape(arr, (3, 2))
   print(reshaped_arr)
   
   # 获取数组的形状
   print(arr.shape)  # 输出：(2, 3)
   
   # 将多维数组展平为一维数组
   flatten_arr = arr.flatten()
   print(flatten_arr)

Operasi pada elemen tatasusunan

numpy menyediakan satu siri fungsi untuk melaksanakan operasi matematik pada elemen tatasusunan, seperti mengira kuasa dua, pengakaran, mengambil logaritma, dsb. Berikut ialah beberapa contoh:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

# 计算数组元素的平方
print(np.power(arr, 2))

# 计算数组元素的开方
print(np.sqrt(arr))

# 计算数组元素的对数
print(np.log(arr))

Ringkasan:

🎜 Artikel ini memperkenalkan beberapa fungsi utama dalam pustaka fungsi numpy dan aplikasinya, dan menyediakan contoh kod khusus. Fungsi ini termasuk penciptaan dan pemula tatasusunan, operasi tatasusunan, pengindeksan dan penghirisan tatasusunan, bentuk dan pembentukan semula tatasusunan, dan operasi elemen tatasusunan. Dengan menguasai fungsi ini, pembaca akan dapat menggunakan numpy dengan lebih baik untuk pemprosesan dan analisis data dan meningkatkan kecekapan kerja. 🎜

Atas ialah kandungan terperinci Ketahui dan gunakan fungsi utama dalam pustaka fungsi numpy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!