Die Leistungsfähigkeit von Numpy lässt sich am besten anhand seiner Einsatzfähigkeit im wissenschaftlichen Rechnen und der Vielfalt der damit verbundenen Funktionalitäten verstehen. Es ist näher an der {Hardware} und dadurch effizienter.
Importieren des Numpy-Pakets
import numpy as npUtilizing the as key phrase, we rename and entry the numpy package deal as np
Erstellen eines Numpy-Arrays mit der Methode array()
my_arr = np.array([1,2,3,4])We cross an inventory to the array() technique which creates a numpy array accessible by way of my_arr
Erstellen eines Numpy-Arrays mit der Methode arange() – Beispiel 1
my_arr = np.arange(10)A numpy array known as my_arr is created utilizing integers from 0 as much as however not together with 10, i.e., as much as 9
Erstellen eines Numpy-Arrays mit der Methode arange() – Beispiel 2
my_arr = np.arange(4, 10, 2)A numpy array known as my_arr is created utilizing integers from 4 as much as however not together with 10, i.e., as much as 9 with an interval of two. The array shaped consists of parts 4, 6 and eight
Erstellen eines Numpy-Arrays mit der Methode arange() – Beispiel 3
my_arr = np.arange(2, 6)A numpy array known as my_arr is created utilizing integers from 2 as much as however not together with 6, i.e., as much as 5 with an interval of 1. The array shaped consists of parts 1, 2, 3, and 4
Erstellen eines 2D-Arrays
Ermitteln der Gesamtzahl der Dimensionen
Ermitteln der Gesamtzahl der Zeilen und Spalten
Ermitteln der Gesamtzahl der Elemente
Der len( ) Die Methode gibt die Anzahl der Elemente in einem eindimensionalen Numpy-Array zurück.
Bei Arrays mit zwei oder mehr Dimensionen wird außerdem die Größe der ersten Dimension zurückgegeben. Wie im folgenden Codeausschnitt gezeigt, haben wir ein 2D-Numpy-Array mit 3 Zeilen und 2 Spalten. Anwenden der len( ) Die Methode für dieses Array gibt 3 zurück, was der Anzahl der Zeilen entspricht.
Erstellen eines 3D-Arrays mit Numpy
Verwendung der linspace( )-Methode
Der linspace( ) Die Methode gibt ein Numpy-Array mit einer äquidistanten Anzahl von Elementen zurück, abhängig vom Begin- und Endpunkt (beide inklusive).
Syntax: linspace(begin, finish, number_of_points)begin = First worth of record (inclusive)
finish = Final worth of record (inclusive)
number_of_points = Variety of equidistant factors
Array von Einsen erstellen
Der Einsen( ) Die Methode in Numpy akzeptiert ein Tupel von Dimensionen und füllt ein Array entsprechend auf:
Array mit Nullen erstellen
Der Nullen( ) Die Methode in Numpy akzeptiert ein Tupel von Dimensionen und füllt ein Array entsprechend auf:
Erstellen einer Identitätsmatrix
Eine Identitätsmatrix ist eine quadratische Matrix aus Einsen in der Hauptdiagonale (linke Diagonale) und Nullen an anderen Stellen. Der Auge( ) Methode in Numpy akzeptiert eine ganze Zahl, Sag Mals Argument und erstellt eine Identitätsmatrix der Größe M x M entsprechend:
Wir können eine rechteckige Identitätsmatrix erstellen, indem wir zwei Werte übergeben – Anzahl der Zeilen und Anzahl der Spalten, getrennt durch ein Komma:
Verwendung der diag( )-Methode
Der diag( ) Die Numpy-Methode akzeptiert eine Liste mit Größen, Sag Mund erstellt eine
M x M Matrix, wobei die Elemente in der linken Diagonale die Elemente der Liste sind, an die als Argument übergeben wird diag( ) Methode, während die restlichen Elemente Nullen sind:
Wir können die Diagonalelemente auch mit dem aus einer Matrix extrahieren diag( ) Funktion:
Erstellen eines Arrays gleichmäßig verteilter Zufallszahlen
Wir nutzen die Funktion Rand( ) im Modul zufällig des Numpy-Paket So füllen Sie ein Array mit Zufallszahlen mithilfe der Gleichverteilung:
Erstellen eines Arrays normalverteilter Zufallszahlen
Wir nutzen die Funktion randn( ) im Modul zufällig des Numpy-Paket So füllen Sie ein Array mit Zufallszahlen mithilfe der Standardnormalverteilung auf:
Numpy-Array indizieren
Die Indizierung in Python beginnt bei 0 und wir können das Paar eckiger Klammern verwenden [ ] So greifen Sie auf die Elemente des Numpy-Arrays zu:
Um auf ein 2D-Array zuzugreifen, verwenden wir einige Werte, um die Zeilen- und Spaltennummern des Parts anzugeben, auf das wir in dieser Reihenfolge zugreifen möchten:
Numpy-Array schneiden
Mit der Slicing-Notation können wir ein Unterarray aus einem vorhandenen Array extrahieren:
a[start_index : stop_index : step_size]a = identify of array
start_index = start line of extraction (inclusive)
stop_index = ending level of extraction (unique)
step_size = increment worth
Die Standardwerte von start_index, stop_index und step_size sind 0, Länge des Arrays bzw. 1. Die Slicing-Operation gibt ein Numpy-Array zurück:
Ansichten und Kopien
Aus Gründen der Speichereffizienz verwendet Numpy Arrays wieder, wenn der Slicing-Vorgang angewendet und einer anderen Variablen zugewiesen wird. Wir können dies anhand des bestätigen share_memory( ) Funktion:
Alle vorgenommenen Änderungen an neues_Array spiegelt sich darin wider mein_array:
Wenn wir einen separaten Speicherort für unsere zweite Array-Variable wünschen, können wir eine Kopie erzwingen:
Ausgefallene Indizierung
Arrays in Numpy können nicht nur mit Slices, sondern auch mit booleschen oder ganzzahligen Arrays (Masken) indiziert werden. Diese Methode wird als ausgefallene Indizierung bezeichnet. Es werden Kopien erstellt, keine Ansichten. Um dies besser zu verstehen, beginnen wir mit der Erstellung eines Arrays zufälliger Ganzzahlen:
Anschließend kann eine Maske definiert werden, um die geraden Zahlen herauszufiltern:
Zum Schluss Array X wird mit indiziert even_mask oben definierter Filter:
Die Indizierung mit einer Maske kann nützlich sein, um einem Unterarray einen neuen Wert zuzuweisen:
Eine ausgefallene Indizierung kann auch durchgeführt werden, indem Elemente aus einem Array basierend auf einer Liste von Indizes der Array-Elemente extrahiert werden:
Elementweise Operationen
Mit dem Additionsoperator kann jedem Factor eines Numpy-Arrays ein Skalar hinzugefügt werden:
Ebenso können wir von jedem Factor eines Numpy-Arrays einen Wert subtrahieren:
Wir können zwei Vektoren (1-D-Arrays) elementweise addieren oder subtrahieren:
Die Multiplikation von Matrizen kann auf zwei Arten erfolgen: Produkt entsprechender Elemente oder herkömmliche algebraische Multiplikation, die nur anwendbar ist, wenn die Anzahl der Spalten in der ersten Matrix gleich der Anzahl der Zeilen in der zweiten Matrix ist:
Die Matrixmultiplikation ist nicht kommutativ, wie aus dem obigen Ergebnis hervorgeht x1 * x2 ist nicht dasselbe wie x2 * x1. Außerdem ist die Matrixmultiplikation nur anwendbar, wenn die Type der betrachteten Matrizen zueinander umgekehrt ist
Vergleichsoperationen
Relationale Operatoren können elementweise auf Numpy-Arrays angewendet werden, um ein Array boolescher Werte auszugeben:
Ebenso können andere relationale Operatoren wie > =, < und < = auf Array-Elemente angewendet werden. Es kann jedoch vorkommen, dass überprüft werden muss, ob alle Elemente in zwei Arrays gleich sind oder nicht:
Logische Operationen
Logische Operatoren wie OR, AND, NOT können auch auf Numpy-Arrays angewendet werden:
Reduktionsoperationen
Die Summe der Elemente eines Numpy-Arrays lässt sich leicht ermitteln:
Die minimalen und maximalen Elemente eines Numpy-Arrays können mit einer Codezeile ermittelt werden:
Nicht nur die minimalen und maximalen Elemente, sondern auch der Index der minimalen und maximalen Elemente kann direkt gefunden werden:
Logische Operationen
Der beliebig( ) Und alle( ) Methoden entsprechen logischen ODER- bzw. logischen UND-Operationen. Wenn ein Wert im Numpy-Array „True“ ist, wird der beliebig( ) Methode gibt einen wahren Wert zurück; ähnlich wie logisches ODER. Nur wenn alle Werte in einem Numpy-Array True sind, wird die alle( ) Methode gibt einen wahren Wert zurück; ähnlich wie logisches UND. Es funktioniert sowohl mit numerischen als auch mit booleschen Werten, wobei jede Zahl ungleich Null als wahr behandelt wird, während Null als falsch behandelt wird:
Statistische Operationen
Der Mittelwert, der Median und die Standardabweichung können mithilfe integrierter Numpy-Methoden ermittelt werden:
Ebenso können die oben genannten Operationen auf 2D-Arrays angewendet werden. Allerdings muss die Achse angegeben werden, um Berechnungen zeilen- oder spaltenweise darzustellen:
Ebenso können Median und Standardabweichung mithilfe der Funktionen ermittelt werden Median( ) Und std( ) bzw. Der Achse Das Argument nimmt den Wert 0 oder 1 für die spaltenweise bzw. zeilenweise Operation an.
Ich hoffe, Sie fanden diesen Beitrag hilfreich. Hinterlassen Sie gerne Ihre Kommentare, Rückmeldungen, Kritik, Gedanken und alles, was Ihnen in den Sinn kommt. Bis bald!
