Panduan lengkap untuk menghuraikan fungsi NumPy

NumPy (Numerical Python) ialah perpustakaan pengkomputeran saintifik Python sumber terbuka yang menyediakan objek dan alatan tatasusunan berbilang dimensi untuk beroperasi pada tatasusunan. Ia merupakan salah satu perpustakaan teras ekosistem sains data Python dan digunakan secara meluas dalam bidang seperti pengkomputeran saintifik, analisis data dan pembelajaran mesin. Artikel ini akan menganalisis fungsi yang biasa digunakan dalam perpustakaan NumPy satu demi satu, termasuk penciptaan tatasusunan, operasi tatasusunan, fungsi matematik, fungsi statistik, algebra linear, dsb., dan menyediakan contoh kod khusus.

1. Array Creation
   NumPy menyediakan pelbagai kaedah untuk mencipta tatasusunan boleh dibuat dengan menentukan dimensi, jenis data dan nilai permulaan. Fungsi yang biasa digunakan ialah:

1.1 numpy.array(): Buat tatasusunan daripada senarai atau tupel.

import numpy as np

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

# 输出：[1 2 3 4 5]

1.2 numpy.zeros(): Buat tatasusunan semua-sifar dimensi yang ditentukan.

import numpy as np

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

"""
输出：
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]
"""

1.3 numpy.ones(): Buat tatasusunan semua-satu dimensi yang ditentukan.

import numpy as np

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

"""
输出：
[[1. 1. 1.]
 [1. 1. 1.]]
"""

1.4 numpy.arange(): Buat tatasusunan aritmetik.

import numpy as np

arr = np.arange(0, 10, 2)
print(arr)

# 输出：[0 2 4 6 8]

2. Operasi tatasusunan
   NumPy menyediakan banyak fungsi untuk operasi tatasusunan, termasuk operasi bentuk, pengindeksan dan penghirisan, pengembangan dan susun, dan transpose tatasusunan. Fungsi yang biasa digunakan ialah:

2.1 reshape(): Tukar bentuk tatasusunan.

import numpy as np

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

"""
输出：
[[1 2]
 [3 4]
 [5 6]]
"""

2.2 pengindeksan dan penghirisan: Memanipulasi tatasusunan melalui pengindeksan dan penghirisan.

import numpy as np

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

2.3 concatenate(): Gabungkan dua atau lebih tatasusunan.

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.concatenate((arr1, arr2))
print(arr)

# 输出：[1 2 3 4 5 6]

2.4 transpose(): Transpose array.

import numpy as np

arr = np.array([[1, 2], [3, 4]])
new_arr = np.transpose(arr)
print(new_arr)

"""
输出：
[[1 3]
 [2 4]]
"""

3. Fungsi matematik
   NumPy menyediakan pelbagai fungsi matematik, seperti operasi berangka, fungsi trigonometri, fungsi logaritma, fungsi eksponen, dsb. Fungsi yang biasa digunakan ialah:

3.1 np.mean(): Kira purata tatasusunan.

import numpy as np

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

# 输出：3.0

3.2 np.sin(): Kira nilai sinus bagi elemen tatasusunan.

import numpy as np

arr = np.array([0, np.pi/2, np.pi])
sin = np.sin(arr)
print(sin)

# 输出：[0.         1.         1.2246468e-16]

3.3 np.exp(): Lakukan operasi eksponen pada elemen tatasusunan.

import numpy as np

arr = np.array([1, 2, 3])
exp = np.exp(arr)
print(exp)

# 输出：[ 2.71828183  7.3890561  20.08553692]

4. Fungsi statistik
   NumPy menyediakan fungsi statistik yang biasa digunakan, termasuk maksimum, minimum, median, varians dan sisihan piawai, dsb. Fungsi yang biasa digunakan ialah:

4.1 np.max(): Kira nilai maksimum tatasusunan.

import numpy as np

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

# 输出：5

4.2 np.min(): Kira nilai minimum tatasusunan.

import numpy as np

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

# 输出：1

4.3 np.median(): Kira median tatasusunan.

import numpy as np

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

# 输出：3.0

4.4 np.var(): Kira varians tatasusunan.

import numpy as np

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

# 输出：2.0

5. Linear Algebra
   NumPy menyediakan fungsi operasi algebra linear asas, seperti pendaraban matriks, penyongsangan matriks, penentu matriks, dll. Fungsi yang biasa digunakan ialah:

5.1 np.dot(): Kira hasil darab titik dua tatasusunan.

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
dot_product = np.dot(arr1, arr2)
print(dot_product)

"""
输出：
[[19 22]
 [43 50]]
"""

5.2 np.linalg.inv(): Kira songsangan matriks.

import numpy as np

arr = np.array([[1, 2], [3, 4]])
inverse = np.linalg.inv(arr)
print(inverse)

"""
输出：
[[-2.   1. ]
 [ 1.5 -0.5]]
"""

Di atas hanyalah sebahagian daripada fungsi dalam perpustakaan NumPy Dengan memahami cara menggunakan fungsi biasa ini, kami boleh menggunakan NumPy dengan lebih cekap untuk melaksanakan tugas pengkomputeran seperti operasi tatasusunan, operasi matematik, analisis statistik dan algebra linear. Pada masa yang sama, dengan kajian mendalam terhadap dokumen perpustakaan NumPy yang berkaitan, kami boleh menemui fungsi dan fungsi yang lebih berkuasa untuk memberikan sokongan yang kukuh untuk kerja pengkomputeran saintifik kami.

Atas ialah kandungan terperinci Panduan lengkap untuk menghuraikan fungsi NumPy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!