NUMPY a formé une base de la majorité de la bibliothèque de Python dans le domaine des sciences de la technologie.

Tout sur la science des données commence par des données et des données apparaît sous différentes formes. Les chiffres, les images, le texte, les rayons X, l'enregistrement audio et vidéo ne sont que quelques exemples de sources de données. Indépendamment du format des données, il doit être converti en un ensemble de nombres à analyser. Par conséquent, il est important de stocker efficacité et modifier des tableaux numériques dans la science des données.

Numpy (numéro de Python) est un package informatique scientifique qui offre de nombreuses façons de créer et de faire fonctionner des tableaux numériques. Il forme une série de bibliothèques Python liées à la science des données, telles que Panda et Matplotlib.

Dans cet article, je vais introduire 20 opérations couramment utilisées pour les tableaux numpus. Ces activités peuvent être divisées en quatre catégories principales:

Créer une matrice
Tableau de fonctionnement

Combinaison de combinaison

Algèbre linéaire de la matrice

La première consiste à introduire des numpus

1, une matrice

import numpy as np

.

1. Intégration aléatoire

Le premier paramètre détermine la limite ci-dessus de la gamme. L'industrie est inférieure à la partie 0, mais nous pouvons également l'affecter. Les paramètres de taille sont utilisés pour spécifier la taille requise.

Nous avons créé un réseau 3x2 comprenant un entier compris entre 2 et 10.

Le nombre de points flottants aléatoires entre 2 et 0 à 1

Le score flottant est de 0 à 1. peut être utilisé pour créer des données de bruit aléatoires.

3, forme de distribution standard normale

RANDN () utilisée pour distribuer de la distribution standard normale (c.-à-d. NO et la méthode unitaire a créé un échantillon.

J'ai créé un tableau avec 100 flotteurs.

Matrix

Une matrice peut être considérée comme une matrice à deux dimensions. Nous pouvons construire une matrice 0 ou 1 avec npl.zeros et np.ones

Nous devons simplement déterminer la taille de la matrice, vous pouvez créer une création de matrice.

5, unité de matrice

L'unité matricielle est diagonale 1, d'autres positions de 0 (NXN. Vous pouvez le créer avec NP. Eye ou Np.Identité

6, Arange

Les fonctions Arange utilisaient une série de valeurs de séquence uniforme créées dans périodes de temps. Nous pouvons spécifier la valeur de démarrage, arrêter la valeur et les étapes.

]

] La valeur de démarrage par défaut est égale à 0 et l'étape par défaut est 1.

7, une seule valeur du tableau

, nous pouvons créer un tableau avec la même valeur de chaque emplacement à l'aide de NP.Full.

Nous devons spécifier la taille et le numéro à remplir. De plus, le paramètre DTYPE peut être utilisé pour modifier le type de données. Le type de données par défaut est un entier.

Deuxièmement, opérande

Nous avons d'abord créé un tableau à double sens:

]
8, aplatissez

La fonction Ravel rend le réseau plat traduit en une matrice à sens unique).

Par défaut, le tableau est aplatie par les suppléments avancés. En définissant le paramètre de commande sur F (classe Fortran), il peut être modifié dans une colonne.

9, réhabilitation

Utilisation de la fonction reformulée, raffinée. La forme d'A (3, 4) est 12.

peut spécifier la taille de chaque taille, aussi longtemps que la même chose que chacune autre est similaire à la taille d'origine

Nous n'avons pas besoin de spécifier la taille de TMême après-midi. Nous pouvons laisser Numpy chercher la taille à -1.

10, Transposition La conversion matricielle est de transformer le sucre et les colonnes. 11, VSplit est divisé le long de la matrice verticale de matrices multi-tableaux. Nous avons divisé une matrice 4x3 dans un sous-ensemble de deux formes 2x3. Nous pouvons accéder à leur propre sous-ensemble après le segment. Nous avons divisé une matrice de 6x3 en trois sous-tableaux pour obtenir le premier tableau. 12, HSplit Il est similaire à Vsplit, mais fonctionne horizontalement. Si nous appliquons HSplit sur un réseau 6x3 pour avoir 3 sous-tableaux, la forme de la matrice sera (6, 1). Troisièmement, une matrice combinée Dans certains cas, nous pourrions avoir besoin d'une matrice combinée. Nœud papillonLes fonctions de niveau et les méthodes pour combiner des tableaux de différentes manières. 13. Connecter Ceci est similaire aux fonctions des pandas. Nous pouvons utiliser la fonction de revente pour convertir ces tableaux en vecteurs de colonne, puis exécutez des connexions verticales. 14, VStack Il a été utilisé pour les matrices d'empilement vertical (marchandises). Il est également applicable à des matrices de hauteur. 15, htstack similaires à VStack, mais il est horizontal (selon la colonne). 4, Utilisez une matrice numpie algébra linéaire L'algèbre linéaire est la base de la domaine de la science des données. NUMPY sert un grand nombre d'activités algébriques linéaires qui sont les calculs scientifiques les plus larges. 16, DET renvoie une matrice. La matrice doit être une matrice carrée (c'est-à-dire le nombre de lignes égales au nombre de colonnes) pour calculer les marchandises. Pour avoir placé la hauteur, le dernier bidimensionnel doit être carré. 17, INV Conversion de la zone matricielle. La matrice inverse de la matrice est une matrice de matrice initiale dans la matrice de l'unité. Toutes les matrices n'ont pas une matrice. A a une matrice inverse, elle est appelée réversible ou indescriptible. 18, EIG Calculer un vecteur vectoriel Veigenvalue et le droit 19, points Calcul de deux vecteurs de dotond, est la somme du produit des éléments de position de leur position. Premier du premier vecteur multiplié par le premier élément du deuxième vecteur, etc. 20, matrice multipliée MATMUL Matrix Nhan Nhan. Nous avons discuté de l'activité de base du nombre de numérosPy. Il y a des activités plus avancées sur Numpy, mais il est préférable de comprendre l'activité de base.