NumPy(Numerical Python, np)中常用的几种计算方法:

发布时间:2023年12月29日

NumPy(Numerical Python)是用于科学计算的一个强大的数学库,提供了大量的数学、逻辑、数组操作等功能。以下是 NumPy 中常用的几种计算方法:

1、数组的创建:??

  • np.array(): 从 Python 列表或元组创建数组。
  • np.zeros(): 创建全零数组。
  • np.ones(): 创建全一数组。
  • np.arange(): 创建等差数组。
  • np.linspace(): 创建指定范围内的等间隔数组。
import numpy as np

# 示例数组的创建
arr1 = np.array([1, 2, 3])
arr2 = np.zeros((2, 3))
arr3 = np.ones((2, 2))
arr4 = np.arange(0, 10, 2)
arr5 = np.linspace(0, 1, 5)

print("示例数组的创建:")
print("arr1:\n", arr1)
print("arr2:\n", arr2)
print("arr3:\n", arr3)
print("arr4:\n", arr4)
print("arr5:\n", arr5)
示例数组的创建:
arr1:
     [1 2 3]
arr2:
     [[0. 0. 0.]
     [0. 0. 0.]]
arr3:
     [[1. 1.]
     [1. 1.]]
arr4:
     [0 2 4 6 8]
arr5:
     [0.   0.25 0.5  0.75 1.  ]

2、数组的基本操作:

  • 索引和切片:通过索引和切片获取数组的元素。
  • 形状操作:shape 属性、reshape() 函数。
  • 数组的运算:加法、减法、乘法、除法等。
  • 数学函数:np.sin(), np.cos(), np.exp(), np.sqrt() 等。
# 示例数组的基本操作
arr = np.array([[1, 2, 3], [4, 5, 6]])

print("\n示例数组的基本操作:")
print("arr[0, 1]:", arr[0, 1])  # 索引
print("arr[:, 1:]:\n", arr[:, 1:])  # 切片
print("arr.shape:", arr.shape)  # 形状
print("arr.reshape(3, 2):\n", arr.reshape(3, 2))  # 重新形状
print("arr + 1:\n", arr + 1)  # 加法
print("np.sin(arr):\n", np.sin(arr))  # 数学函数
示例数组的基本操作:
arr[0, 1]: 2
arr[:, 1:]:
        [[2 3]
        [5 6]]
arr.shape: (2, 3)
arr.reshape(3, 2):
        [[1 2]
        [3 4]
        [5 6]]
arr + 1:
        [[2 3 4]
        [5 6 7]]
np.sin(arr):
     [[ 0.84147098  0.90929743  0.14112001]
     [-0.7568025  -0.95892427 -0.2794155 ]]

3、数组统计和聚合操作:

  • np.sum(): 计算数组元素的和。
  • np.mean(): 计算数组元素的平均值。
  • np.median(): 计算数组元素的中位数。
  • np.std(): 计算数组元素的标准差。
  • np.max(), np.min(): 计算数组元素的最大值和最小值。
# 示例数组的统计和聚合操作
arr = np.array([[1, 2, 3], [4, 5, 6]])

print("\n示例数组的统计和聚合操作:")
print("np.sum(arr):", np.sum(arr))  # 计算数组元素的和
print("np.mean(arr):", np.mean(arr))  # 计算数组元素的平均值
print("np.median(arr):", np.median(arr))  # 计算数组元素的中位数
print("np.std(arr):", np.std(arr))  # 计算数组元素的标准差
print("np.max(arr):", np.max(arr))  # 计算数组元素的最大值
print("np.min(arr):", np.min(arr))  # 计算数组元素的最小值
示例数组的统计和聚合操作:
np.sum(arr): 21
np.mean(arr): 3.5
np.median(arr): 3.5
np.std(arr): 1.707825127659933
np.max(arr): 6
np.min(arr): 1

4、数组的逻辑运算:

  • np.logical_and(), np.logical_or(), np.logical_not(): 逻辑与、或、非运算。
  • np.all(), np.any(): 判断是否所有元素为真或是否有任意元素为真。
# 示例数组的逻辑运算
print("\n示例数组的逻辑运算:")
arr_logical = np.array([True, False, True])
result_and = np.logical_and(arr_logical, arr_logical)
result_or = np.logical_or(arr_logical, arr_logical)
result_not = np.logical_not(arr_logical)

print("result_and:", result_and)
print("result_or:", result_or)
print("result_not:", result_not)
print("np.all(arr_logical):", np.all(arr_logical))  # 判断是否所有元素为真
print("np.any(arr_logical):", np.any(arr_logical))  # 判断是否有任意元素为真
示例数组的逻辑运算:
result_and: [ True False  True]
result_or: [ True False  True]
result_not: [False  True False]
np.all(arr_logical): False
np.any(arr_logical): True

5、更多信息:

NumPy的官方网址: NumPy

??????????????? 中文版本:NumPy 中文文档

文章来源:https://blog.csdn.net/weixin_51659315/article/details/135195855
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。