numpy函数大全及其用途：详解numpy库中的所有函数

百变鹏仔 1天前 #Python

文章标签函数

numpy函数大全：详解numpy库中的全部函数及其用途，需要具体代码示例

导语：
在数据分析和科学计算领域中，常常需要处理大规模的数值数据。numpy是Python中最常用的一个开源库，提供了高效的多维数组对象和一系列用于操作数组的函数。本文将详细介绍numpy库中的全部函数及其用途，并给出具体的代码示例，帮助读者更好地理解和使用numpy库。

一、数组的创建与变形

np.array()：创建数组，并将输入的数据转化为ndarray对象。

import numpy as nparr = np.array([1, 2, 3, 4, 5])print(arr)

输出结果为：

[1 2 3 4 5]

np.arange()：创建等差数组。

import numpy as nparr = np.arange(0, 10, 2)print(arr)

输出结果为：

[0 2 4 6 8]

np.zeros()：创建元素全为0的数组。

import numpy as nparr = np.zeros((2, 3))print(arr)

输出结果为：

[[0. 0. 0.] [0. 0. 0.]]

np.ones()：创建元素全为1的数组。

import numpy as nparr = np.ones((2, 3))print(arr)

输出结果为：

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

np.linspace()：创建等间距数组。

import numpy as nparr = np.linspace(0,1,5)print(arr)

输出结果为：

[0.   0.25 0.5  0.75 1.  ]

np.eye()：创建对角线为1的矩阵。

import numpy as nparr = np.eye(3)print(arr)

输出结果为：

[[1. 0. 0.] [0. 1. 0.] [0. 0. 1.]]

二、数组的操作与运算

数组的形状操作

import numpy as nparr = np.arange(1, 10)arr_reshape = np.reshape(arr, (3, 3))print(arr_reshape)

输出结果为：

[[1 2 3] [4 5 6] [7 8 9]]

import numpy as nparr = np.array([[1, 2, 3], [4, 5, 6]])arr_flatten = arr.flatten()print(arr_flatten)

输出结果为：

[1 2 3 4 5 6]

数组的元素操作

import numpy as nparr = np.array([3, 1, 5, 2, 4])arr_sorted = np.sort(arr)print(arr_sorted)

输出结果为：

[1 2 3 4 5]

import numpy as nparr = np.array([3, 1, 5, 2, 4])max_index = np.argmax(arr)print(max_index)

输出结果为：

数组的运算

import numpy as nparr1 = np.array([1, 2, 3])arr2 = np.array([4, 5, 6])result = np.add(arr1, arr2)print(result)

输出结果为：

[5 7 9]

import numpy as nparr1 = np.array([1, 2, 3])arr2 = np.array([4, 5, 6])result = np.dot(arr1, arr2)print(result)

输出结果为：

三、统计函数与线性代数函数

统计函数

import numpy as nparr = np.array([1, 2, 3, 4, 5])mean = np.mean(arr)print(mean)

输出结果为：

3.0

import numpy as nparr = np.array([1, 2, 3, 4, 5])std = np.std(arr)print(std)

输出结果为：

1.4142135623730951

线性代数函数

import numpy as npmatrix = np.array([[1, 2], [3, 4]])det = np.linalg.det(matrix)print(det)

输出结果为：

-2.0000000000000004

import numpy as npmatrix = np.array([[1, 2], [3, 4]])inv = np.linalg.inv(matrix)print(inv)

输出结果为：

[[-2.   1. ] [ 1.5 -0.5]]

四、辅助函数与通用函数

辅助函数

import numpy as nparr = np.loadtxt('data.txt')print(arr)

import numpy as nparr = np.array([1, 2, 3, 4, 5])np.savetxt('data.txt', arr)

通用函数

import numpy as nparr = np.array([0, np.pi / 2, np.pi])sin_val = np.sin(arr)print(sin_val)

输出结果为：

[0.         1.         1.2246468e-16]

import numpy as nparr = np.array([1, 2, 3])exp_val = np.exp(arr)print(exp_val)

输出结果为：

[ 2.71828183  7.3890561  20.08553692]

本文仅展示了numpy库中的一小部分函数，numpy还有更多强大的函数和功能。希望读者能在实际编程中灵活运用numpy库的函数，提高数据处理的效率和精确度。

文章推荐

numpy函数大全及其用途：详解numpy库中的所有函数

一、数组的创建与变形

二、数组的操作与运算

三、统计函数与线性代数函数

四、辅助函数与通用函数

使用Python从字符串的末尾删除给定的子字符串

2020年适用于Linux程序员的10个最佳Python集成开发环境

获取字典中的第一个和最后一个元素的Python程序

在Python中漂亮地打印XML

Python日志基础 - 简易指南