Трюки с NumPy, о которых я хотел бы знать раньше

Добро пожаловать обратно! NumPy — отличный пакет Python, который активно используется в науке о данных, поэтому давайте поговорим о некоторых приемах NumPy, о которых мне хотелось бы знать раньше. Эти трюки могут быть случайными, но вы можете найти способы реализовать их в своих проектах! Закончив это длинное вступление, давайте начнем!

Генерация случайных чисел

Начнем с того, что одна из самых крутых вещей, которые вы можете сделать с NumPy, — это генерация случайных чисел, мы используем функцию np.random(), вот пример этого:

import numpy as np
np.random.rand(2,10)

Это результат этого проекта:

Это создает двумерный массив с 10 случайными значениями.

Создание массива заполнителей

Еще один замечательный трюк, который у нас есть в NumPy, — это возможность создания массива заполнителей. Что такое массив заполнителей? По сути, это массив, который имеет нужную нам форму, но он полон нулей, для этого мы используем следующую команду:

import numpy as np
np.zeros((2,10))

Это создаст двумерный массив с 10 нулями.

Сравнение 2 массивов

Далее мы можем фактически сравнить 2 разных массива, по существу сравнивая сходство между 2 массивами. Для этого воспользуемся командой «==»:

import numpy as np
a = np.zeros((2,10))
b = np.zeros((1,10))
#COMPARING THE 2 ARRAYS
a == b

На выходе будет набор истинных/ложных утверждений:

В данном случае все верно, но так можно сравнивать любой массив.

Копирование массивов

Еще один замечательный трюк, который мы используем с NumPy, — это создание глубоких копий массивов. Для этого мы используем функцию .copy():

import numpy as np
a = np.zeros((2,10))
b = a.copy()
b

Это результат этого проекта:

Вы можете просто скопировать любой массив в другую переменную.

Вот оно! Это одни из моих любимых приемов NumPy, о которых мне хотелось бы знать раньше. Знаете ли вы какие-либо другие приемы NumPy? Я хотел бы услышать ваши мысли об этом!

Как всегда

если у вас есть какие-либо предложения, мысли или вы просто хотите связаться, не стесняйтесь связаться со мной / подписаться на меня в Твиттере! Кроме того, ниже приведены ссылки на некоторые из моих любимых ресурсов для изучения программирования, Python, R, Data Science и т. д.

Спасибо за прочтение!