Senarai lengkap fungsi numpy dan kegunaannya: Penjelasan terperinci tentang semua fungsi dalam perpustakaan numpy

ensiklopedia fungsi numpy: Penjelasan terperinci tentang semua fungsi dan kegunaannya dalam perpustakaan numpy, contoh kod khusus diperlukan

Pengenalan:
Dalam bidang analisis data dan pengkomputeran saintifik, data berangka berskala besar selalunya perlu diproses. Numpy ialah perpustakaan sumber terbuka yang paling biasa digunakan dalam Python, menyediakan objek tatasusunan berbilang dimensi yang cekap dan satu siri fungsi untuk tatasusunan pengendalian. Artikel ini akan memperkenalkan secara terperinci semua fungsi dalam perpustakaan numpy dan kegunaannya, dan memberikan contoh kod khusus untuk membantu pembaca memahami dan menggunakan perpustakaan numpy dengan lebih baik.

1. Penciptaan dan transformasi tatasusunan

1. np.array(): Buat tatasusunan dan tukar data input kepada objek ndarray.

import numpy as np

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

Hasil output ialah:

[1 2 3 4 5]

2. np.arange(): Cipta tatasusunan aritmetik.

import numpy as np

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

Hasil output ialah:

[0 2 4 6 8]

3. np.zeros(): Cipta tatasusunan dengan semua elemen ialah 0.

import numpy as np

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

Hasil keluarannya ialah:

[[0. 0. 0.]
 [0. 0. 0.]]

4. np.ones(): Buat tatasusunan dengan semua elemen ialah 1.

import numpy as np

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

Hasil output ialah:

[[1. 1. 1.]
 [1. 1. 1.]]

5. np.linspace(): Cipta tatasusunan yang sama jaraknya.

import numpy as np

arr = np.linspace(0,1,5)
print(arr)

Hasil keluarannya ialah:

[0.   0.25 0.5  0.75 1.  ]

6. np.eye(): Buat matriks dengan pepenjuru 1.

import numpy as np

arr = np.eye(3)
print(arr)

Hasil output ialah:

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

2. Operasi dan operasi tatasusunan

1. Operasi bentuk tatasusunan

• np.reshape(): Tukar bentuk tatasusunan.

import numpy as np

arr = np.arange(1, 10)
arr_reshape = np.reshape(arr, (3, 3))
print(arr_reshape)

Hasil output ialah:

[[1 2 3]
 [4 5 6]
 [7 8 9]]

• arr.flatten(): Menukar tatasusunan berbilang dimensi kepada tatasusunan satu dimensi.

import numpy as np

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

Hasil output ialah:

[1 2 3 4 5 6]

2. Pengendalian elemen tatasusunan

• np.sort(): Isih elemen tatasusunan.

import numpy as np

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

Hasil output ialah:

[1 2 3 4 5]

• np.argmax(): Mengembalikan indeks elemen terbesar dalam tatasusunan.

import numpy as np

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

Hasil output ialah:

2

3. Operasi tatasusunan

• np.add(): Tambah dua tatasusunan.

import numpy as np

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

Hasil output ialah:

[5 7 9]

• np.dot(): Pendaraban titik dua tatasusunan.

import numpy as np

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

Hasil keluaran ialah:

32

3. Fungsi statistik dan fungsi algebra linear

1. Fungsi statistik

• np.mean(): Kirakan min tatasusunan

import numpy as np

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

Hasil keluaran ialah:

3.0

• np.std(): Kira sisihan piawai tatasusunan.

import numpy as np

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

Hasil output ialah:

1.4142135623730951

2. Fungsi algebra linear

• np.linalg.det(): Kira penentu matriks.

import numpy as np

matrix = np.array([[1, 2], [3, 4]])
det = np.linalg.det(matrix)
print(det)

Hasil keluaran ialah:

-2.0000000000000004

• np.linalg.inv(): Kira matriks songsang matriks.

import numpy as np

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

Hasil output ialah:

[[-2.   1. ]
 [ 1.5 -0.5]]

4. Fungsi tambahan dan fungsi umum

1. Fungsi tambahan

• np.loadtxt(): Muatkan data daripada fail teks.

import numpy as np

arr = np.loadtxt('data.txt')
print(arr)

• np.savetxt(): Simpan data ke fail teks.

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
np.savetxt('data.txt', arr)

2. Fungsi universal

• np.sin(): Kira nilai sinus unsur dalam tatasusunan.

import numpy as np

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

Hasil keluaran ialah:

[0.         1.         1.2246468e-16]

• np.exp(): Kira nilai eksponen unsur dalam tatasusunan.

import numpy as np

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

Hasil keluarannya ialah:

[ 2.71828183  7.3890561  20.08553692]

Artikel ini hanya menunjukkan sebahagian kecil fungsi dalam perpustakaan numpy mempunyai fungsi dan fungsi yang lebih berkuasa. Saya berharap pembaca boleh menggunakan fungsi perpustakaan numpy secara fleksibel dalam pengaturcaraan sebenar untuk meningkatkan kecekapan dan ketepatan pemprosesan data.

Atas ialah kandungan terperinci Senarai lengkap fungsi numpy dan kegunaannya: Penjelasan terperinci tentang semua fungsi dalam perpustakaan numpy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!