Учебное пособие по Python NumPy: изучайте Python Numpy на примерах

Если вы какое-то время изучали Python, вы наверняка сталкивались с NumPy. И вы, должно быть, задавались вопросом, что это такое и почему это так важно. В этом руководстве по Python Numpy вы узнаете о том же. Вы поймете NumPy, а также массивы NumPy и их функции.

Владение Python необходимо современным программистам. И это руководство по Python NumPy поможет вам лучше понять Python. Она достаточно подробная, поэтому мы рекомендуем добавить эту страницу в закладки для дальнейшего использования.

Изучите онлайн-курсы по науке о данных от лучших университетов мира. Участвуйте в программах Executive PG, Advanced Certificate Programs или Master Programs, чтобы ускорить свою карьеру.

Что такое Python NumPy?

NumPy означает «Числовой Python». Как вы уже догадались, он фокусируется на числовых операциях и вычислениях. Numpy — это пакет Python и основная библиотека для научных вычислений. Он имеет объекты n-мерного массива и инструменты для интеграции других доминирующих языков, таких как C. Вы можете использовать массив NumPy как огромный многомерный контейнер для данных.

Что такое массив NumPy?

Массив NumPy — это фантастический объект n-мерного массива. У него есть строки и столбцы, и вы можете использовать его для доступа к элементам списка Python. Существует множество операций, которые вы можете выполнять с массивом NumPy. Мы обсудили их позже в статье, но перед этим вы должны понять, как установить NumPy в вашей системе. Без его установки вы не сможете его использовать.

Как установить NumPy?

Вам нужно будет перейти в командную строку и ввести «pip install numpy», чтобы установить Python NumPy. После завершения установки вам нужно будет перейти в IDE и импортировать numpy через «import numpy as np». Вот как вы устанавливаете Numpy в своей системе.

Вы можете легко создавать массивы в NumPy с помощью следующего кода:

1 импортировать numpy как np

2 а=np.массив([1,2,3])

3 принт(а)

Вывод вышеуказанного кода — [1 2 3]

Приведенный выше код даст вам одномерный массив. Если вы хотите создать многомерный массив, вам нужно написать что-то похожее на пример, представленный ниже:

1 a=np.массив([(1,2,3),(4,5,6)])

2 печать (а)

Вывод вышеуказанного кода — [[ 1 2 3]

[4 5 6]]

Подробнее: 25 интересных идей и тем для проектов Python для начинающих

Операции в NumPy

Python NumPy имеет множество операций. Все они выполняют определенные функции. Вот эти функции с кратким описанием:

размер элемента:

С помощью этой функции вы можете узнать размер элементов вашего массива в байтах. Взгляните на следующий пример:

1 импортировать numpy как np

2 а = np.массив ([(1,2,3)])

3 печати (a.itemsize)

Вывод вышеуказанного кода — 4

ндим:

Функция ndim помогает найти размерность массива. Вы должны знать, что у вас могут быть одномерные, двумерные, а также трехмерные массивы. Вот пример этой функции:

1 импортировать numpy как np

2 а = np.массив([(1,2,3),(4,5,6)])

3 принт(а.ндим)

Вывод вышеуказанного кода — 2

изменить форму:

С помощью операции изменения формы вы можете изменить количество строк и столбцов в массиве. Предположим, что один массив имеет три столбца и две строки. Через изменение формы вы можете изменить их на 2 столбца и три строки. Посмотрите это в действии на следующем примере:

1 импортировать numpy как np

2 а = np.массив([(8,9,10),(11,12,13)])

3 принт(а)

4 a=a.reshape(3,2)

5 печать (а)

Вывод вышеуказанного кода – [[ 8 9 10] [11 12 13]] [[ 8 9] [10 11] [12 13]]

нарезка:

Используя операцию среза, вы можете извлечь определенный набор элементов из требуемого массива. Другими словами, вы можете «нарезать» массив и получить его часть. Предположим, у вас есть массив и вы хотите извлечь из него определенный элемент, вы должны сделать это следующим образом:

1 импортировать numpy как np

2 a=np.массив([(1,2,3,4),(3,4,5,6)])

3 печатать (а [0,2])

Вывод вышеуказанного кода — 3

В приведенном выше примере индекс первого массива был равен 0, а второго — 1. Итак, код говорит, что он должен вывести второй элемент первого массива (имеющий индекс 0). Предположим, вам нужен второй элемент из первого и нулевой индекс массива. Тогда мы будем использовать следующий код:

1 импортировать numpy как np

2 a=np.массив([(1,2,3,4),(3,4,5,6)])

3 печатать (а[0:,2])

Вывод вышеуказанного кода – [3 5]

Читайте также: Зарплата разработчиков Python в Индии

тип:

С помощью функции dtype у вас есть возможность найти тип данных элементов массива. Он дает вам тип данных и размер требуемого компонента. Взгляните на следующий пример, чтобы увидеть, как это работает:

1 импортировать numpy как np

2 а = np.массив ([(1,2,3)])

3 печать (тип объявления)

Вывод вышеуказанного кода — int32

Вы также можете использовать функции «форма» и «размер», чтобы найти форму и размер массива. Взгляните на этот пример нашего руководства Python NumPy, чтобы правильно понять эти функции:

1 импортировать numpy как np

2 а = np.массив ([(1,2,3,4,5,6)])

3 печати (a.size)

4 печати (форма)

Вывод вышеуказанного кода — 6 (1,6)

линспейс :

С помощью операции linspace вы можете получить равномерно распределенные числа, распределенные в соответствии с указанным вами интервалом. У функции linspace есть свои применения, и вот пример того, как вы можете ее использовать:

1 импортировать numpy как np

2 а=np.linspace(1,3,10)

3 принт(а)

Вывод приведенного выше кода – [ 1. 1.22222222 1.44444444 1.66666667 1.88888889 2.11111111 2.33333333 2.55555556 2.77777778 3. ]

квадратный корень и стандартное отклонение

Python NumPy позволяет выполнять различные математические операции. И одна из таких операций — извлечение квадратного корня из требуемого массива. Вы также можете получить стандартное отклонение вашего массива NumPy. Вот подробный пример, который поможет вам в этом отношении:

1 импортировать numpy как np

2 a=np.массив([(1,2,3),(3,4,5,)])

3 печать (np.sqrt (а))

4 печать (np.std (а))

Вывод приведенного выше кода — [[ 1. 1.41421356 1.73205081]

[ 1.73205081 2. 2.23606798]]

1.29099444874

макс/мин

Вы также можете найти максимум, минимум и сумму массива с помощью определенных операций. Нахождение максимума и минимума может сильно помочь вам в выполнении сложных операций. Вот как вы можете найти максимум, минимум и сумму массива, который у вас есть:

1 импортировать numpy как np

2 а = np.массив ([1,2,3])

3 печатать(а.мин())

4 печать (а.макс())

5 печатать(a.sum())

Вывод вышеуказанного кода — 1 3 6

Горизонтальная и вертикальная укладка

Возможно, вы захотите объединить два массива, но не добавлять их, т. е. вы можете просто соединить их. Для этого вы можете складывать их вертикально или горизонтально. Вот пример кода для этого:

1 импортировать numpy как np

2 х = np.массив ([(1,2,3), (3,4,5)])

3 y= np.массив([(1,2,3),(3,4,5)])

4 печать (np.vstack ((х, у)))

5 печать (np.hstack ((х, у)))

Вывод приведенного выше кода — [[1 2 3] [3 4 5] [1 2 3] [3 4 5]]

[[1 2 3 1 2 3] [3 4 5 3 4 5]]

Подробнее: Операторы в Python: руководство для начинающих по арифметике

Добавление

Вы также можете добавить массивы NumPy. Помимо сложения, вы также можете выполнять вычитание, деление и умножение двух матриц. Вот пример добавления в Python NumPy:

1 импортировать numpy как np

2 х = np.массив ([(1,2,3), (3,4,5)])

3 y= np.массив([(1,2,3),(3,4,5)])

4 печатать(х+у)

Вывод приведенного выше кода — [[ 2 4 6] [ 6 8 10]]

Как мы упоминали ранее, вы также можете выполнять другие математические операции с массивами NumPy, включая вычитание и деление. Вот как:

1 импортировать numpy как np

2 х = np.массив ([(1,2,3), (3,4,5)])

3 y= np.массив([(1,2,3),(3,4,5)])

4 печать (ху)

5 печать (х * у)

6 печать (х/у)

Вывод вышеуказанного кода – [[0 0 0] [0 0 0]]

[[ 1 4 9] [ 9 16 25]]

[[ 1. 1. 1.] [ 1. 1. 1.]]

распутать

Операция ravel позволяет преобразовать массив NumPy в ravel, который представляет собой один столбец. Вот пример:

1 импортировать numpy как np

2 х = np.массив ([(1,2,3), (3,4,5)])

3 печать (x.ravel())

Вывод кода – [ 1 2 3 3 4 5]

Заключение

Мы уверены, что вы нашли это руководство по Python NumPy весьма информативным. К этому моменту вы уже поняли, что такое Python NumPy и каковы его функции. Если у вас есть еще вопросы по этой теме, не стесняйтесь, дайте нам знать.

Если вам интересно узнать о науке о данных, ознакомьтесь с программой IIIT-B & upGrad Executive PG по науке о данных , которая создана для работающих профессионалов и предлагает более 10 тематических исследований и проектов, практические семинары, наставничество с отраслевыми экспертами, 1 -на-1 с отраслевыми наставниками, более 400 часов обучения и помощи в трудоустройстве в ведущих фирмах.