Обзор
В этом блоге мы обсудим основы NumPy. Это будет очень кратко. В конце этого блога мы обсудим массивы на языке программирования Python. Так что наберитесь терпения, просматривая блог.
Почему NumPy?
NumPy означает Числовой Python. Это основной пакет Python для научных вычислений. В нем есть инструменты и методы для решения математических задач с использованием Python. Технически NumPy написан на C и языках программирования python.
Зачем нам NumPy?
Мы используем NumPy для выполнения различных основных научных программных операций, например массивов, матриц и т. Д.
Вот несколько функций этого:
- Математическая и логическая операция над массивом
- Линейная алгебра
- Генерация случайных чисел
- Вещание
Как установить NumPy?
Нам нужно установить NumPy вручную, поскольку он не является частью базовой установки Python.
Синтаксис для установки:
pip install numpy (в Windows)
pip3 установить numpy (на Mac)
import numpy (Linux)
Какие ограничения у NumPy?
- Вставка записей в массив не так проста, как в списках Python.
- Операция np.concatenate ([a1, a2]) фактически не связывает два массива, а возвращает новый, последовательно заполненный записями из обоих заданных массивов.
Массивы
Создание массивов
Массивы могут быть созданы с помощью этих функций, написанных ниже в NumPy:
- array (): создает массив из списка или кортежей.
- arange (): создает массив равномерно расположенных значений.
- zeros (): возвращает массив заданной формы и типа, заполненный нулями.
- ones (): создает массив, заполненный единицами.
- linspace (): создает массив с равномерно распределенными значениями.
- eye (): возвращает двумерный массив с единицами, заполненными по диагонали, и нулями в другом месте.
- random (): это модуль, который содержит такие функции, как rand (), randn (), ranf () и randdint ().
Атрибуты массива
- Размер: атрибут с именем «ndim». Он говорит о размерности массива.
- Форма. Это кортеж целых чисел, указывающий количество элементов, которые хранятся в каждом измерении массива.
В 1-мерном массиве он дает количество элементов в массиве.
В двумерном массиве он выдает количество строк и столбцов.
В то время как в трехмерном массиве он дает три числа в кортеже.
- Размер: это количество элементов массива, т.е. произведение размеров.
- dtype: это тип данных массива.
- itemsize: он сообщает о размере каждого элемента в массиве.
Числовые типы данных
- Логический
- Целое число
- Беззнаковое целое
- Плавать
- Сложный
Индексирование
Мы можем получить одно значение массива с помощью нулевой базовой индексации или отрицательной индексации.
1-D: a [индекс]
2-D: a [строка] [столбец]
3-D : a[i][j][k]
Нарезка
Мы можем получить коллекцию значений с помощью нарезки массивов.
1-D: массив [начало: остановка: шаг]
2-D: массив [начало: стоп: шаг, начало: стоп: шаг]
3-D: массив [старт: стоп: шаг, старт: стоп: шаг, старт: стоп: шаг]
Копии и просмотры
При выполнении функций некоторые из них возвращают копию входного массива, а некоторые возвращают представление. Когда содержимое физически хранится в другом месте, это называется Копировать. С другой стороны, если предоставляется другое представление того же содержимого памяти, мы называем это представлением.
Нарезка всегда следует за просмотром (также известное как мелкая копия).
Модуль линейной алгебры
Модуль линейной алгебры NumPy предлагает различные методы для применения линейной алгебры к любому массиву numpy.
Можно найти:
- ранг, определитель, след и т. д. массива.
- собственные значения матриц
- матричные и векторные произведения (точечные, внутренние, внешние и т. д.), матричное возведение в степень
- решать линейные или тензорные уравнения и многое другое!
Вывод
Итак, в этом блоге вы узнали о NumPy. В частности, вы узнали:
- Об основах NumPy
- Узнайте о причине необходимости NumPy.
- Процесс установки и ограничения
- Создание массивов
- Его атрибуты
- как выполнять индексацию и нарезку массивов.
- копии и просмотры
- Линейная алгебра с NumPy
Надеюсь, вам понравился блог.
У вас есть вопросы?
Напишите их в своем ответе, и я постараюсь ответить на них.
