Ketahui fungsi numpy: Kuasai fungsi numpy biasa dan penggunaannya, contoh kod khusus diperlukan
Python ialah bahasa pengaturcaraan berkuasa yang digunakan secara meluas dalam bidang analisis data dan pengkomputeran saintifik. Dalam bidang ini, numpy ialah perpustakaan yang sangat penting, yang menyediakan sejumlah besar fungsi untuk bekerja dengan tatasusunan dan matriks. Dalam artikel ini, kami akan meneroka beberapa fungsi numpy yang biasa digunakan dan penggunaannya, dan memberikan contoh kod konkrit.
Pertama, kita perlu mengimport perpustakaan numpy untuk menggunakan fungsinya. Sebelum mengimport, pastikan anda telah memasang perpustakaan numpy dengan betul. Anda boleh memasang numpy menggunakan arahan berikut:
pip install numpy
Setelah anda berjaya memasang numpy, anda boleh mengimportnya dalam kod anda:
import numpy as np
Seterusnya, mari kita mula mempelajari beberapa fungsi numpy yang biasa digunakan dan penggunaannya.
np.array
. Contoh kod berikut mencipta tatasusunan satu dimensi: np.array
函数。以下代码示例创建了一个一维数组:a = np.array([1, 2, 3, 4, 5]) print(a)
输出结果:
[1 2 3 4 5]
除了使用np.array
函数,还可以使用以下方法创建数组:
np.zeros
:创建一个由0填充的数组;np.ones
:创建一个由1填充的数组;np.arange
:创建一个等差数列数组;np.linspace
:创建一个等间距数列数组;np.shape
:获取数组的形状;np.ndim
:获取数组的维度;np.size
:获取数组的大小;np.reshape
:改变数组的形状;np.concatenate
:连接两个数组;np.split
:将一个数组分成多个子数组;以下代码示例演示了一些数组操作的用法:
a = np.array([[1, 2, 3], [4, 5, 6]]) print(np.shape(a)) # 输出(2, 3) print(np.ndim(a)) # 输出2 print(np.size(a)) # 输出6 b = np.reshape(a, (3, 2)) print(b)
输出结果:
[[1 2] [3 4] [5 6]]
np.sum
:计算数组元素的总和;np.mean
:计算数组元素的平均值;np.max
:找到数组中的最大值;np.min
:找到数组中的最小值;np.sin
:计算数组元素的正弦值;np.cos
:计算数组元素的余弦值;以下代码示例演示了一些数学运算的用法:
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.max(a)) # 输出5 print(np.min(a)) # 输出1 b = np.sin(a) print(b)
输出结果:
[ 0.84147098 0.90929743 0.14112001 -0.7568025 -0.95892427]
np.dot
:计算两个矩阵的点积;np.transpose
:矩阵转置;np.linalg.inv
:计算矩阵的逆;np.linalg.det
:计算矩阵的行列式;np.linalg.solve
a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) c = np.dot(a, b) print(c) d = np.transpose(a) print(d) e = np.linalg.inv(a) print(e) f = np.linalg.det(b) print(f) x = np.array([[1, 2], [3, 4]]) y = np.array([5, 6]) z = np.linalg.solve(x, y) print(z)
[[19 22] [43 50]] [[1 3] [2 4]] [[-2. 1. ] [ 1.5 -0.5]] -2.000000000000002 [-4. 4.5]
Selain menggunakan fungsi np.array
, anda juga boleh mencipta tatasusunan menggunakan yang berikut kaedah:
np.linspace
: Buat tatasusunan jujukan yang sama jaraknya; Operasi tatasusunan
np.min
: Cari nilai minimum dalam tatasusunan 🎜🎜np.sin
: Kira Nilai sinus bagi elemen tatasusunan; 🎜Hasil keluaran: 🎜rrreeeAtas ialah kandungan terperinci Kuasai fungsi numpy biasa dan aplikasinya: pelajari pengetahuan asas fungsi numpy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!