Numpy庫是Python中最常用的數據處理庫之一，它憑借著其高效、便捷的操作方式廣受數據分析人員的喜愛。在Numpy庫中，有許多常用的函數可以幫助我們快速、高效地完成數據處理任務。本篇文章將介紹一些常用的Numpy函數，并提供代碼示例和實際應用場景，讓讀者能夠更快地上手Numpy庫。
一、創建數組
- numpy.array
函數原型：numpy.array(object, dtype=None, copy=True, order=’K’, subok=False, ndmin=0)
功能描述：將列表等對象轉化為數組。
代碼實例：
import numpy as np a = np.array([1, 2, 3]) print(a) # 輸出 [1 2 3]
登錄后復制
- numpy.zeros
函數原型：numpy.zeros(shape, dtype=float, order=’C’)
功能描述：創建指定形狀的全零數組。
代碼實例：
import numpy as np
a = np.zeros((2, 3))
print(a) # 輸出 [[0. 0. 0.]
# [0. 0. 0.]]
登錄后復制
- numpy.ones
函數原型：numpy.ones(shape, dtype=None, order=’C’)
功能描述：創建指定形狀的全一數組。
代碼實例：
import numpy as np
a = np.ones((2, 3))
print(a) # 輸出 [[1. 1. 1.]
# [1. 1. 1.]]
登錄后復制
- numpy.arange
函數原型：numpy.arange(start, stop, step, dtype=None)
功能描述：創建等差數列數組。
代碼實例：
import numpy as np a = np.arange(0, 10, 2) print(a) # 輸出 [0 2 4 6 8]
登錄后復制
二、數組的操作
- numpy.reshape
函數原型：numpy.reshape(a, newshape, order=’C’)
功能描述：將數組a轉換為指定形狀的新數組。
代碼實例：
import numpy as np
a = np.array([1, 2, 3, 4, 5, 6])
b = a.reshape((2, 3))
print(b) # 輸出 [[1 2 3]
# [4 5 6]]
登錄后復制
- numpy.transpose
函數原型：numpy.transpose(a, axes=None)
功能描述：對數組進行轉置操作。
代碼實例：
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.transpose(a)
print(b) # 輸出 [[1 4]
# [2 5]
# [3 6]]
登錄后復制
- numpy.concatenate
函數原型：numpy.concatenate((a1, a2, …), axis=0)
功能描述：對數組進行拼接操作。
代碼實例：
import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = np.concatenate((a, b), axis=0)
print(c) # 輸出 [[1 2]
# [3 4]
# [5 6]
# [7 8]]
登錄后復制
三、數組的計算
- numpy.abs
函數原型：numpy.abs(x, args, *kwargs)
功能描述：計算數組中各元素的絕對值。
代碼實例：
import numpy as np a = np.array([-1, 2, -3]) b = np.abs(a) print(b) # 輸出 [1 2 3]
登錄后復制
- numpy.round
函數原型：numpy.round(a, decimals=0, out=None)
功能描述：對數組中的元素進行四舍五入。
代碼實例：
import numpy as np a = np.array([1.3, 2.6, 3.2]) b = np.round(a) print(b) # 輸出 [1. 3. 3.]
登錄后復制
- numpy.sum
函數原型：numpy.sum(a, axis=None)
功能描述：計算數組中各元素之和。
代碼實例：
import numpy as np a = np.array([[1, 2], [3, 4]]) b = np.sum(a, axis=0) print(b) # 輸出 [4 6]
登錄后復制
四、常用數學函數
- numpy.exp
函數原型：numpy.exp(x, args, *kwargs)
功能描述：計算數組中各元素的指數函數值。
代碼實例：
import numpy as np a = np.array([1, 2, 3]) b = np.exp(a) print(b) # 輸出 [ 2.71828183 7.3890561 20.08553692]
登錄后復制
- numpy.log
函數原型：numpy.log(x, args, *kwargs)
功能描述：計算數組中各元素的自然對數。
代碼實例：
import numpy as np a = np.array([1, 2, 3]) b = np.log(a) print(b) # 輸出 [0. 0.69314718 1.09861229]
登錄后復制
- numpy.sqrt
函數原型：numpy.sqrt(x, args, *kwargs)
功能描述：計算數組中各元素的平方根。
代碼實例：
import numpy as np a = np.array([1, 4, 9]) b = np.sqrt(a) print(b) # 輸出 [1. 2. 3.]
登錄后復制
五、實際應用場景
- 模擬多項式函數
import numpy as np import matplotlib.pyplot as plt x = np.linspace(-5, 5, num=50) y = np.power(x, 3) - 3 * np.power(x, 2) + 2 * x + 1 plt.plot(x, y) plt.show()
登錄后復制
- 數組加權求和
import numpy as np a = np.array([1, 2, 3, 4]) b = np.array([0.1, 0.2, 0.3, 0.4]) result = np.sum(a * b) print(result) # 輸出 2.0
登錄后復制
- 對數組進行排序
import numpy as np a = np.array([3, 2, 1, 4]) b = np.sort(a) print(b) # 輸出 [1 2 3 4]
登錄后復制
總結：
本篇文章介紹了Numpy庫的一些常用函數和應用場景，包括數組的創建、操作、計算，以及一些數學函數。我們可以根據實際應用場景靈活使用這些函數，讓數據處理更加高效便捷。建議讀者自己動手編寫代碼實踐一下，加深對Numpy庫的理解和掌握。
