Автор оригинала: Pankaj Kumar.
Добро пожаловать в Python Numpy Tourcial. В нашем предыдущем уроке мы узнали о случае выключателя Python. В этом руководстве мы установим Numpy и посмотреть в Numpy Array и некоторые матричные операции, такие как добавление, вычитание, умножение и т. Д.
Python Numpy
Python Numpy – основная библиотека для научных вычислений в Python. Numpy предоставляет высокопроизводительный многомерный объект массива и инструменты для работы с этими массивами.
Если вы уже знакомы с MATLAB, вы можете легче понять Учебное руководство Python Numpy. Чтобы выполнить следующие коды этого учебника, вам нужно импортировать numpy
модуль. Этот пакет не поставляется с настройкой Python по умолчанию, поэтому давайте посмотрим, как вы можете установить Numpy Module.
Python Установка Numpy.
Вы можете искать инструкцию по установке Numpy из здесь Для разных типов операционных систем.
Я нахожусь в Mac OS X и использую Python 3.6, я использовал команду ниже, чтобы установить Numpy Module для My Python 3 Setup.
$pip3.6 install --user numpy
Ниже изображения показывает выходной вывод для установки модуля Numpy для Python 3.
Python Numpy Array
Python Numpy Array – это сетка значений, все тот же тип. Мы можем инициализировать Python Numpy Arch с вложенным списком Python. Тогда мы можем получить доступ к ним, используя свой индекс. Также в Numpy есть некоторая функция, через которую вы можете создавать различные типы массива.
См. Следующий код, чтобы понять объявление Python Numpy Array и доступ к элементам.
import numpy # Create a rank 1 array a = numpy.array([3, 2, 3]) print('print rank 1 array:') # access the array using their index print('print using their index: a[0]= ', a[0]) a[0] = 5 # modify the array print('print using slicing : ', a[1:]) # slicing can be used also # print the whole list print('Print the whole array : ', a) # Create a rank 2 array using nested Python list b = numpy.array([[10, 20, 30], [40, 50, 60]]) print('\nprint rank 2 array') # access them using their index print('print using their index: b[0,0]= ', b[0, 0], ' b[0,1]= ',b[0, 1]) print('print using slicing ', b[1:, :2]) # 1st slice for row, 2nd for column # initialize a zero matrix a = numpy.zeros((2, 2)) print('\nprint a 2-by-2 zero matrix:\n', a) # Create an array of all ones b = numpy.ones((2, 2)) print('\nprint a 2-by-2 all one matrix:\n', b) # Create a constant array c = numpy.full((3, 3), 6) print('\nprint a 3-by-3 constant matrix for value = 6:\n', c) # Create a 3x3 identity matrix d = numpy.eye(3) print('\nprint a 3-by-3 identity matrix:\n', d)
Выход кода примера примера примечания Python Numpy будет:
print rank 1 array: print using their index: a[0]= 3 print using slicing : [2 3] Print the whole array : [5 2 3] print rank 2 array print using their index: b[0,0]= 10 b[0,1]= 20 print using slicing [[40 50]] print a 2-by-2 zero matrix: [[ 0. 0.] [ 0. 0.]] print a 2-by-2 all one matrix: [[ 1. 1.] [ 1. 1.]] print a 3-by-3 constant matrix for value = 6: [[6 6 6] [6 6 6] [6 6 6]] print a 3-by-3 identity matrix: [[ 1. 0. 0.] [ 0. 1. 0.] [ 0. 0. 1.]]
Python Numpy Учебник – Арифметическая операция на матрице
Вы можете выполнять арифметические операции, такие как добавление, вычесть, умножение и разделение между матрицами. В следующем примере вы можете увидеть некоторые примеры арифметических операций между матрицами.
import numpy # initialize two array x = numpy.array([[1, 2], [3, 4]], dtype=numpy.float64) y = numpy.array([[3, 4], [5, 6]], dtype=numpy.float64) print('Print the two matrices') print('X = \n', x) print('Y = \n', y) # Elementwise sum; both produce the array print('\nElementwise addition of two matrices: ( X + Y of Matlab )') print('Add using add operator: \n', x + y) print('Add using add function: \n', numpy.add(x, y)) # Elementwise difference; both produce the array print('\nElementwise subtraction of two matrices: ( X - Y of Matlab )') print('Subtract using operator: \n', x - y) print('Subtract using function: \n', numpy.subtract(x, y)) # Elementwise product; both produce the array print('\nElementwise Multiplication of two matrices: ( X .* Y of Matlab )') print('Multiply using operator: \n', x * y) print('Multiply using function: \n', numpy.multiply(x, y)) # Elementwise division; both produce the array print('\nElementwise division of two matrices: ( X ./ Y of Matlab )') print('Division using operator: \n', x / y) print('Division using function: \n', numpy.divide(x, y)) # Elementwise square root; produces the array print('\nSquare root each element of X matrix\n', numpy.sqrt(x)) # Matrix Multiplication print('\nMatrix Multiplication of two matrices: ( X * Y of Matlab )') print(x.dot(y))
Ниже приведен выходной выпуск вышеупомянутой программой Numpy Matrix.
X = [[ 1. 2.] [ 3. 4.]] Y = [[ 3. 4.] [ 5. 6.]] Elementwise addition of two matrices: ( X + Y of Matlab ) Add using add operator: [[ 4. 6.] [ 8. 10.]] Add using add function: [[ 4. 6.] [ 8. 10.]] Elementwise subtraction of two matrices: ( X - Y of Matlab ) Subtract using operator: [[-2. -2.] [-2. -2.]] Subtract using function: [[-2. -2.] [-2. -2.]] Elementwise Multiplication of two matrices: ( X .* Y of Matlab ) Multiply using operator: [[ 3. 8.] [ 15. 24.]] Multiply using function: [[ 3. 8.] [ 15. 24.]] Elementwise division of two matrices: ( X ./ Y of Matlab ) Division using operator: [[ 0.33333333 0.5 ] [ 0.6 0.66666667]] Division using function: [[ 0.33333333 0.5 ] [ 0.6 0.66666667]] Square root each element of X matrix [[ 1. 1.41421356] [ 1.73205081 2. ]] Matrix Multiplication of two matrices: ( X * Y of Matlab ) [[ 13. 16.] [ 29. 36.]]
Итак, это все для Python Numpy Tutorial. Надеюсь, что вы хорошо узнали. Для любого дополнительного запроса используйте раздел «Комментарий» ниже.
Ссылка: Официальная ссылка