NumPy — это фундаментальная библиотека Python для числовых вычислений. Он обеспечивает поддержку многомерных массивов, математические функции для работы с этими массивами и инструменты для работы с большими наборами данных. NumPy является фундаментальным строительным блоком для многих других библиотек Python в науке о данных и экосистеме научных вычислений. Давайте рассмотрим несколько примеров, чтобы понять, как работает NumPy:
1. Создание массивов NumPy:
import numpy as np # Creating a 1D array arr1d = np.array([1, 2, 3, 4, 5]) print(arr1d) # Creating a 2D array arr2d = np.array([[1, 2, 3], [4, 5, 6]]) print(arr2d)
2. Основные операции:
import numpy as np # Element-wise operations arr = np.array([1, 2, 3, 4, 5]) # Scalar addition print(arr + 10) # Output: [11 12 13 14 15] # Scalar multiplication print(arr * 2) # Output: [2 4 6 8 10] # Element-wise addition of two arrays arr2 = np.array([5, 5, 5, 5, 5]) print(arr + arr2) # Output: [6 7 8 9 10]
3. Универсальные функции (ufuncs): NumPy предоставляет множество универсальных функций, которые работают с массивами поэлементно. Они эффективны и векторизованы, что позволяет ускорить вычисления.
import numpy as np arr = np.array([1, 2, 3, 4, 5]) # Square root of each element print(np.sqrt(arr)) # Output: [1. 1.41421356 1.73205081 2. 2.23606798] # Exponential of each element print(np.exp(arr)) # Output: [ 2.71828183 7.3890561 20.08553692 54.59815003 148.4131591 ] # Trigonometric functions print(np.sin(arr)) # Output: [ 0.84147098 0.90929743 0.14112001 -0.7568025 -0.95892427]
4. Индексирование и нарезка:
import numpy as np arr = np.array([1, 2, 3, 4, 5]) # Accessing elements using index print(arr[0]) # Output: 1 print(arr[2]) # Output: 3 # Slicing print(arr[1:4]) # Output: [2 3 4] print(arr[:3]) # Output: [1 2 3] print(arr[3:]) # Output: [4 5]
5. Форма массива и изменение формы:
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) # Shape of the array print(arr.shape) # Output: (2, 3) # Reshape the array reshaped_arr = arr.reshape(3, 2) print(reshaped_arr) # Output: # [[1 2] # [3 4] # [5 6]]
6. Агрегация массива:
import numpy as np arr = np.array([1, 2, 3, 4, 5]) # Sum of all elements print(np.sum(arr)) # Output: 15 # Mean of all elements print(np.mean(arr)) # Output: 3.0 # Maximum and minimum element print(np.max(arr)) # Output: 5 print(np.min(arr)) # Output: 1
NumPy — это мощная библиотека, которая упрощает числовые вычисления в Python и играет центральную роль в обработке данных и научных вычислениях. Он обеспечивает эффективные операции с массивами и математические функции, что делает его незаменимым для различных задач обработки данных и машинного обучения.
Это был всего лишь базовый обзор NumPy, чтобы увидеть больше примеров, вы можете следить за мной на GitHub и Linkedin.