文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

Numpy库常用函数大全:快速上手与实践指南

2024-01-19 08:04

关注

Numpy库是Python中最常用的数据处理库之一,它凭借着其高效、便捷的操作方式广受数据分析人员的喜爱。在Numpy库中,有许多常用的函数可以帮助我们快速、高效地完成数据处理任务。本篇文章将介绍一些常用的Numpy函数,并提供代码示例和实际应用场景,让读者能够更快地上手Numpy库。

一、创建数组

  1. numpy.array

函数原型:numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)

功能描述:将列表等对象转化为数组。

代码实例:

import numpy as np

a = np.array([1, 2, 3])
print(a)  # 输出 [1 2 3]
  1. numpy.zeros

函数原型:numpy.zeros(shape, dtype=float, order='C')

功能描述:创建指定形状的全零数组。

代码实例:

import numpy as np

a = np.zeros((2, 3))
print(a)  # 输出 [[0. 0. 0.]
          #      [0. 0. 0.]]
  1. numpy.ones

函数原型:numpy.ones(shape, dtype=None, order='C')

功能描述:创建指定形状的全一数组。

代码实例:

import numpy as np

a = np.ones((2, 3))
print(a)  # 输出 [[1. 1. 1.]
          #      [1. 1. 1.]]
  1. numpy.arange

函数原型:numpy.arange(start, stop, step, dtype=None)

功能描述:创建等差数列数组。

代码实例:

import numpy as np

a = np.arange(0, 10, 2)
print(a)  # 输出 [0 2 4 6 8]

二、数组的操作

  1. numpy.reshape

函数原型:numpy.reshape(a, newshape, order='C')

功能描述:将数组a转换为指定形状的新数组。

代码实例:

import numpy as np

a = np.array([1, 2, 3, 4, 5, 6])
b = a.reshape((2, 3))
print(b)  # 输出 [[1 2 3]
          #      [4 5 6]]
  1. numpy.transpose

函数原型:numpy.transpose(a, axes=None)

功能描述:对数组进行转置操作。

代码实例:

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.transpose(a)
print(b)  # 输出 [[1 4]
          #      [2 5]
          #      [3 6]]
  1. numpy.concatenate

函数原型:numpy.concatenate((a1, a2, ...), axis=0)

功能描述:对数组进行拼接操作。

代码实例:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = np.concatenate((a, b), axis=0)
print(c)  # 输出 [[1 2] 
          #      [3 4] 
          #      [5 6] 
          #      [7 8]]

三、数组的计算

  1. numpy.abs

函数原型:numpy.abs(x, args, *kwargs)

功能描述:计算数组中各元素的绝对值。

代码实例:

import numpy as np

a = np.array([-1, 2, -3])
b = np.abs(a)
print(b)  # 输出 [1 2 3]
  1. numpy.round

函数原型:numpy.round(a, decimals=0, out=None)

功能描述:对数组中的元素进行四舍五入。

代码实例:

import numpy as np

a = np.array([1.3, 2.6, 3.2])
b = np.round(a)
print(b)  # 输出 [1. 3. 3.]
  1. numpy.sum

函数原型:numpy.sum(a, axis=None)

功能描述:计算数组中各元素之和。

代码实例:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.sum(a, axis=0)
print(b)  # 输出 [4 6]

四、常用数学函数

  1. numpy.exp

函数原型:numpy.exp(x, args, *kwargs)

功能描述:计算数组中各元素的指数函数值。

代码实例:

import numpy as np

a = np.array([1, 2, 3])
b = np.exp(a)
print(b)  # 输出 [ 2.71828183  7.3890561  20.08553692]
  1. numpy.log

函数原型:numpy.log(x, args, *kwargs)

功能描述:计算数组中各元素的自然对数。

代码实例:

import numpy as np

a = np.array([1, 2, 3])
b = np.log(a)
print(b)  # 输出 [0.         0.69314718 1.09861229]
  1. numpy.sqrt

函数原型:numpy.sqrt(x, args, *kwargs)

功能描述:计算数组中各元素的平方根。

代码实例:

import numpy as np

a = np.array([1, 4, 9])
b = np.sqrt(a)
print(b)  # 输出 [1. 2. 3.]

五、实际应用场景

  1. 模拟多项式函数
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-5, 5, num=50)
y = np.power(x, 3) - 3 * np.power(x, 2) + 2 * x + 1

plt.plot(x, y)
plt.show()
  1. 数组加权求和
import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([0.1, 0.2, 0.3, 0.4])

result = np.sum(a * b)
print(result)  # 输出 2.0
  1. 对数组进行排序
import numpy as np

a = np.array([3, 2, 1, 4])
b = np.sort(a)

print(b)  # 输出 [1 2 3 4]

总结:

本篇文章介绍了Numpy库的一些常用函数和应用场景,包括数组的创建、操作、计算,以及一些数学函数。我们可以根据实际应用场景灵活使用这些函数,让数据处理更加高效便捷。建议读者自己动手编写代码实践一下,加深对Numpy库的理解和掌握。

以上就是Numpy库常用函数大全:快速上手与实践指南的详细内容,更多请关注编程网其它相关文章!

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯