Основные функции для работы с массивами в NumPy
NumPy предоставляет богатый набор функций для работы с массивами, позволяя выполнять широкий спектр операций от создания и изменения форматов до сложных вычислений. Рассмотрим основные функции для работы с массивами в NumPy более подробно.
Создание массивов
Создание из списков и кортежей
np.array(object, dtype=None, copy=True, order='K')
: Преобразует список или кортеж в массив NumPy.
Специальные функции для создания массивов
np.zeros(shape, dtype=float, order='C')
: Создает массив, заполненный нулями.np.ones(shape, dtype=float, order='C')
: Создает массив, заполненный единицами.np.full(shape, fill_value, dtype=None, order='C')
: Создает массив, заполненный заданным значением.np.eye(N, M=None, dtype=float, order='C')
: Создает единичную матрицу размером ( N \times M ).np.arange(start, stop, step, dtype=None)
: Создает массив с диапазоном значений.np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
: Создает массив с равномерным распределением значений.np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
: Создает массив с логарифмически распределенными значениями.
Операции с массивами
Арифметические операции
+
,-
,*
,/
,**
: Операции поэлементного сложения, вычитания, умножения, деления и возведения в степень.
Универсальные функции (ufunc)
np.sin(x)
,np.cos(x)
,np.exp(x)
,np.log(x)
,np.sqrt(x)
: Применяются поэлементно к массиву.
Индексация и срезы
Индексация: Доступ к элементам массива.
Срезы: Извлечение подмассивов.
Многомерные массивы:
Изменение формы массива
reshape(newshape)
: Изменяет форму массива без изменения данных.ravel()
: Возвращает массив в одномерном виде.flatten()
: Возвращает копию массива в одномерном виде.transpose()
: Транспонирует массив.
Объединение и разделение массивов
np.concatenate((a, b), axis=0)
: Объединяет массивы по заданной оси.np.stack((a, b), axis=0)
: Стекует массивы по новой оси.np.split(a, indices_or_sections)
: Разделяет массив на части.
Математические операции
np.mean(a, axis=None)
: Вычисляет среднее значение.np.median(a, axis=None)
: Вычисляет медиану.np.std(a, axis=None)
: Вычисляет стандартное отклонение.np.sum(a, axis=None)
: Вычисляет сумму элементов.np.prod(a, axis=None)
: Вычисляет произведение элементов.
Условные операции и маскирование
np.where(condition, [x, y])
: Возвращает элементы из `x
или
y` в зависимости от условия.
np.where(condition)
: Возвращает индексы, где условие истинно.
Бинарные операции и линейная алгебра
Векторные и матричные операции
np.dot(a, b)
: Вычисляет скалярное произведение или произведение матриц.np.matmul(a, b)
: Выполняет матричное умножение.np.linalg.inv(a)
: Вычисляет обратную матрицу.np.linalg.eig(a)
: Вычисляет собственные значения и векторы.
Эти функции представляют собой только базовые операции, которые можно выполнять с массивами NumPy. Библиотека предоставляет и более сложные функции для работы с многомерными массивами, статистическими расчетами, обработки данных и другими задачами. Чтобы узнать больше о возможностях NumPy, рекомендуется ознакомиться с официальной документацией и ресурсами сообщества.
Last updated