Lépjen a Numpy ellenőrzőlistára

Egy gyors pillantás az összes fontos, zavaros parancsra!

A „Numpy” a Python tudományos számítástechnikai alapkönyvtára. Nagy teljesítményű többdimenziós tömbobjektumot és eszközöket biztosít az ezekkel a tömbökkel való munkavégzéshez.

Tömbök

A numpy tömb azonos típusú értékekből álló rács, amelyet nemnegatív egész számok sorozata indexel. A dimenziók száma a tömb rangja; egy tömb alakja egész számokból álló sorozat, amely megadja a tömb méretét az egyes dimenziók mentén.

import numpy as np

a = np.array([1242, 213, 312321])   
# Create a rank 1 array
print(type(a))            
# Prints "<class 'numpy.ndarray'>"
print(a.shape)            
# Prints "(3,)"
print(a[0], a[1], a[2])   
# Prints "1242 213 312321"
a[0] = 5                  
# Change an element of the array
print(a)                  
# Prints "[5, 213, 312321]"

b = np.array([[1,2,3],[4,5,6]])    # Create a rank 2 array
print(b.shape)                     # Prints "(2, 3)"
print(b[0, 0], b[0, 1], b[1, 0])   # Prints "1 2 4"

A Numpy számos funkciót is biztosít a tömbök létrehozásához:

import numpy as np

a = np.zeros((2,2))   # Create an array of all zeros
print(a)              # Prints "[[ 0.  0.]
                               [ 0.  0.]]"

b = np.ones((1,2))    # Create an array of all ones
print(b)              # Prints "[[ 1.  1.]]"

c = np.full((2,2), 7)  # Create a constant array
print(c)               # Prints "[[ 7.  7.]
                                [ 7.  7.]]"

Tömb indexelés

A Numpy számos módot kínál a tömbökbe való indexeléshez.

Szeletelés: A Python-listákhoz hasonlóan a numpy tömbök is szeletelhetők. Mivel a tömbök többdimenziósak lehetnek, meg kell adni egy szeletet a tömb minden dimenziójához:

# slice single item 
import numpy as np 

a = np.arange(10) 
b = a[5] 
print b

A NumPy csomag egy iterátor objektumot tartalmaz: numpy.nditer. Ez egy hatékony többdimenziós iterátor objektum, amellyel egy tömbön keresztül lehet iterálni. A tömb minden eleme a Python szabványos Iterator felületén keresztül látogatható.

print 'Modified array is:'
for x in np.nditer(a):
   print x
Output:
Modified array is:
0 5 10 15 20 25 30 35 40 45 50 55

A NumPy-nek jó néhány hasznos statisztikai függvénye van, amellyel a tömb adott elemei közül minimum, maximum, percentilis szórás és variancia stb. A függvények magyarázata a következő -

ptp(a[, tengely, out, keepdims])
Értéktartomány (maximum – minimum) egy tengely mentén.

percentile(a, q[, tengely, ki, ...])
Számítsa ki az adatok q-edik percentilisét a megadott tengely mentén.

nanpercentile(a, q[, tengely, ki, ...])
Az adatok q-edik percentilisének kiszámítása a megadott tengely mentén, a nan értékek figyelmen kívül hagyása mellett.

quantile(a, q[, tengely, out, overwrite_input, ...])
Számítsa ki az adatok q-edik kvantilisét a megadott tengely mentén.

nanquantile(a, q[, tengely, ki, ...])
Az adatok q-edik kvantilisének kiszámítása a megadott tengely mentén, a nan értékek figyelmen kívül hagyásával

NumPy Array Manipulációs funkciók

A NumPy modul tömbmanipulációs funkciói segítenek a tömbelemek módosításában.

Tekintse meg az alábbi funkciókat –

• numpy.reshape(): Ez a függvény lehetővé teszi a tömb méreteinek megváltoztatását anélkül, hogy akadályozná a tömbértékeket.
• numpy.concatenate(): Két azonos alakú tömböt kapcsol össze soronként vagy oszloponként.

NumPy String függvények

A NumPy String függvényekkel manipulálhatjuk a tömbben található karakterlánc-értékeket. Az alábbiakban felsorolunk néhány leggyakrabban használt String függvényt:

• numpy.char.add() function: Két tömb adatértékeit összefűzi, összevonja, és ennek eredményeként egy új tömböt ábrázol.
• numpy.char.capitalize() function: A teljes szó/karakterlánc első karakterét nagybetűvel írja.
• numpy.char.lower() function: A karakterláncok kis- és nagybetűit alsó karakterláncsá alakítja.

Numpy | Matematikai függvény

A NumPy számos különféle matematikai műveletet tartalmaz. A NumPy szabványos trigonometrikus függvényeket, függvényeket aritmetikai műveletekhez, komplex számok kezeléséhez stb.

numpy.sin(x[, out]) = ufunc ‘sin’) : Ez a matematikai függvény segít a felhasználónak a trignmetrikus szinusz kiszámításában minden x-re (lévén a tömb elemei).

numpy.cos(x[, out]) = ufunc 'cos') : Ez a matematikai függvény segít a felhasználónak a trignmetrikus koszinusz kiszámításában minden x-re (lévén a tömb elemei).

Bónusz! np.clip

A clipfüggvény arra szolgál, hogy egy tömb értékeit egy meghatározott felső és alsó tartomány közötti intervallumon belül tartsa.

# Example-41: 1D array 
x = np.array([1,0,3,2,4,9,8])

print(x.clip(3, 5))
[3 3 3 3 4 5 5]

Fordulj hozzánk és kommenteld, ha elakadsz!

További cikkek, amelyek érdekelhetik:

• „Pandák 10 perces útmutató. Ez alapvető útmutatóként szolgál majd a… | szerző: Sam | Geek kultúra | 2022. január | Közepes"
• «Az Apache Spark első lépései — I | szerző: Sam | Geek kultúra | 2022. január | Közepes"
• „Streamlit és Palmer Penguins. Binged Atypical múlt héten a Netflixen… | szerző: Sam | Geek kultúra | Közepes"

Üdv, és kövess további ilyen tartalmakért! :)

Mostantól vehetsz nekem is egy kávét, ha tetszett a tartalom!
A saunderscore12 adattudományi tartalmat készít! (buymeacoffee.com)