Автор оригинала: Pankaj Kumar.
Эй, ребята! Надеюсь, у вас все хорошо. В этой статье мы сосредоточимся на важных функциях модуля Python NumPy.
Итак, давайте начнем!
Краткое описание модуля Python NumPy
Модуль Python NumPy объединяет множество функций для выполнения различных научных и математических операций с легкостью.
Таким образом, модуль NumPy можно рассматривать как модуль, который все программисты могут иметь под рукой для выполнения всех математических и сложных вычислительных задач.
Теперь давайте разберемся и реализуем некоторые важные функции модуля NumPy.
1. Функции манипулирования массивом NumPy
Функции манипулирования массивами модуля NumPy помогают нам выполнять изменения в элементах массива.
Взгляните на следующие функции–
- numpy.reshape() : Эта функция позволяет нам изменять размеры массива, не мешая значениям массива.
- numpy.concatenate(): Соединяет два массива одинаковых фигур либо по строкам, либо по столбцам.
Давайте теперь сосредоточимся на реализации вышеуказанных функций.
Пример:
import numpy arr1 = numpy.arange(4) print('Elements of an array1:\n',arr1) arr2 = numpy.arange(4,8) print('Elements of an array2:\n',arr2) res1 = arr1.reshape(2,2) print('Reshaped array with 2x2 dimensions:\n',res1) res2 = arr2.reshape(2,2) print('Reshaped array with 2x2 dimensions:\n',res2) print("Concatenation two arrays:\n") concat = numpy.concatenate((arr1,arr2),axis=1) print(concat)
Важно понимать форму, т. Е. размеры массивов должны быть одинаковыми для выполнения вышеуказанных функций.
Выход:
Elements of an array1: [0 1 2 3] Elements of an array2: [4 5 6 7] Reshaped array with 2x2 dimensions: [[0 1] [2 3]] Reshaped array with 2x2 dimensions: [[4 5] [6 7]] Concatenation two arrays: [0 1 2 3 4 5 6 7]
2. Строковые функции NumPy
С помощью строковых функций NumPy мы можем манипулировать строковыми значениями, содержащимися в массиве. Некоторые из наиболее часто используемых строковых функций упомянуты ниже:
функция numpy.char.add ()
: Объединяет значения данных двух массивов, объединяет их и в результате представляет новый массив.функция numpy.char.capitalize ()
: Она прописывает первый символ всего слова/строки.функция numpy.char.lower ()
: Преобразует регистр строковых символов в нижнюю строку.функция numpy.char.upper ()
: Преобразует регистр строковых символов в верхнюю строку.функция numpy.char.replace ()
: Заменяет строку или часть строки другим строковым значением.
Пример:
import numpy res = numpy.char.add(['Python'],[' JournalDev']) print("Concatenating two strings:\n",res) print("Capitalizing the string: ",numpy.char.capitalize('python data')) print("Converting to lower case: ",numpy.char.lower('PYTHON')) print("Converting to UPPER case: ",numpy.char.upper('python')) print("Replacing string within a string: ",numpy.char.replace ('Python Tutorials with AA', 'AA', 'JournalDev'))
Выход:
Concatenating two strings: ['Python JournalDev'] Capitalizing the string: Python data Converting to lower case: python Converting to UPPER case: PYTHON Replacing string within a string: Python Tutorials with JournalDev
3. Арифметические функции NumPy
Перечисленные ниже функции NumPy используются для выполнения основных арифметических операций со значениями данных массива–
функция numpy.add ()
: добавляет два массива и возвращает результат.функция numpy.subtract ()
: Вычитает элементы array2 из array1 и возвращает результат.функция numpy.multiply ()
: Умножает элементы обоих массивов и возвращает произведение.функция numpy.divide ()
: Делит массив 1 на массив 2 и возвращает коэффициент значений массива.функция numpy.mod ()
: Выполняет операцию модуля и возвращает массив остатков.функция numpy.power ()
: Возвращает экспоненциальное значение array1 ^ array2.
Пример:
import numpy as np x = np.arange(4) print("Elements of array 'x':\n",x) y = np.arange(4,8) print("Elements of array 'y':\n",y) add = np.add(x,y) print("Addition of x and y:\n",add) subtract = np.subtract(x,y) print("Subtraction of x and y:\n",subtract) mul = np.multiply(x,y) print("Multiplication of x and y:\n",mul) div = np.divide(x,y) print("Division of x and y:\n",div) mod = np.mod(x,y) print("Remainder array of x and y:\n",mod) pwr = np.power(x,y) print("Power value of x^y:\n",pwr)
Выход:
Elements of array 'x': [0 1 2 3] Elements of array 'y': [4 5 6 7] Addition of x and y: [ 4 6 8 10] Subtraction of x and y: [-4 -4 -4 -4] Multiplication of x and y: [ 0 5 12 21] Division of x and y: [ 0. 0.2 0.33333333 0.42857143] Remainder array of x and y: [0 1 2 3] Power value of x^y: [ 0 1 64 2187]
4. Статистические функции NumPy
Статистические функции NumPy очень полезны в области интеллектуального анализа данных и анализа огромного количества признаков в данных.
Давайте взглянем на некоторые из широко используемых функций
numpy.median()
: Вычисляет среднее значение переданного массива.numpy.mean()
: Возвращает среднее значение значений данных массива.numpy.average()
: Возвращает среднее значение всех значений данных переданного массива.numpy.std()
: Вычисляет и возвращает стандартное отклонение значений данных массива.
Пример:
import numpy as np x = np.array([10,20,30,4,50,60]) med = np.median(x) print("Median value of array: \n",med) mean = np.mean(x) print("Mean value of array: \n",mean) avg = np.average(x) print("Average value of array: \n",avg) std = np.std(x) print("Standard deviation value of array: \n",std)
Выход:
Median value of array: 25.0 Mean value of array: 29.0 Average value of array: 29.0 Standard deviation value of array: 20.2895703914
Вывод
На этом мы подошли к концу этой темы. Не стесняйтесь комментировать ниже, если у вас возникнут какие-либо вопросы.
А до тех пор Счастливого Обучения!!
Рекомендации