Руки на Numpy, часть 1 в деталях ...
С возвращением, ребята. Я надеюсь, что вы все уже усвоили основы Python, статистику и математику с 1-го по 8-й день (ссылки приведены ниже), Pandas, часть 1 и часть 2 в день 9 и день 10 соответственно, и в этом посте мы рассмотрим часть 1 Numpy как День 11.
Вы можете прочитать-реализовать День 1, День 2, День 3, День 4, День 5, День 6, День 7, День 8 , День 9 , День 10 сообщений.
Numpy - это библиотека Python для научных вычислений - для работы с объектами многомерных массивов и используется для обработки большого количества данных. Массив, который представляет собой сетку значений и индексируется кортежем неотрицательных целых чисел, является основной структурой данных библиотеки Numpy. ndarray - это аббревиатура от N-Dimensional Array.
Давайте погрузимся!
Импортировать Numpy
import numpy as np
Создать массивы Numpy
a = np.array([1,2,3])
Нулевые массивы: возвращает новое значение параметра массива равным 0
np.zeros(12)
Выход -
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
Реализация 2 -
np.zeros(7,dtype=int)
Выход -
array([0, 0, 0, 0, 0, 0, 0])
Единичные массивы: вернуть новый массив заданной формы и ввести все, заполненные 1
Реализация 1—
np.ones(5)
Выход -
array([1., 1., 1., 1., 1.])
Реализация 2—
np.ones((3,5),dtype="int")
Выход -
array([[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1]])
Полные массивы: возвращает новый массив заданной формы, заполненный заданным значением.
Реализация -
np.full((3, 6), 9)
Выход -
array([[9, 9, 9, 9, 9, 9],
[9, 9, 9, 9, 9, 9],
[9, 9, 9, 9, 9, 9]])
Единичная матрица
Реализация -
np.eye(5)
Выход -
array([[1., 0., 0., 0., 0.],
[0., 1., 0., 0., 0.],
[0., 0., 1., 0., 0.],
[0., 0., 0., 1., 0.],
[0., 0., 0., 0., 1.]])
изменить форму ()
Используется для изменения формы массива.
Реализация 1 -
np.arange(1,15).reshape(2,7)
Выход -
array([[ 1, 2, 3, 4, 5, 6, 7],
[ 8, 9, 10, 11, 12, 13, 14]])
Реализация 2 -
arr = np.arange(1,10).reshape((1,9))
Выход -
array([[1, 2, 3, 4, 5, 6, 7, 8, 9]])
Сглаживание массивов
Используется для преобразования многомерного массива в одномерный массив. Для его реализации -
Функция reshape (-1)
Функция flatten ()
Реализация -
a2 = np.arange(1,9).reshape((1,8)) a2.reshape(-1) a2.flatten()
Выход -
array([1, 2, 3, 4, 5, 6, 7, 8])
Конкатенация
Чтобы объединить вместе два массива numpy
Реализация 1 -
a1 = np.array([100,110,140]) a2 = np.array([120,121,220]) np.concatenate([a1,a2])
Выход -
array([100, 110, 140, 120, 121, 220])
Реализация 2 -
arr1 = np.array([[10,20,30],[40,50,60]]) arr2 = np.array([[101,102,103],[104,105,106]]) np.concatenate([arr1,arr2])
Выход -
array([[ 10, 20, 30],
[ 40, 50, 60],
[101, 102, 103],
[104, 105, 106]])
np.concatenate([arr1,arr2],axis=1)
Выход -
array([[ 10, 20, 30, 101, 102, 103],
[ 40, 50, 60, 104, 105, 106]])
Вещание
Это мощный механизм, который позволяет numpy работать с массивами различной формы при выполнении арифметических операций.
Если массивы имеют разный ранг, добавьте к форме массива более низкого ранга единицы, пока обе формы не будут иметь одинаковую длину.
Два массива считаются совместимыми в измерении, если они имеют одинаковый размер в этом измерении или если один из массивов имеет размер 1 в этом измерении.
Массивы могут транслироваться вместе, если они совместимы во всех измерениях.
После трансляции каждый массив ведет себя так, как если бы он имел форму, равную поэлементному максимуму форм двух входных массивов.
В любом измерении, где один массив имел размер 1, а другой массив имел размер больше 1 , первый массив ведет себя так, как если бы он был скопирован по этому измерению
Реализация -
arr1 = np.array([1, 0, 1]) arr2 = np.array([1]) arr1 + arr2
Выход -
array([2, 1, 2])
Скалярное произведение
Он принимает две последовательности чисел одинаковой длины и возвращает одно число.
Реализация -
arr1 = np.array([[30,15],[19,42]]) arr2 = np.array([[101,90],[45,64]]) np.dot(arr1,arr2)
Выход -
array([[3705, 3660],
[3809, 4398]])
День 12. Скоро!
