Памятка по основам PythonNumPy
Краткое справочное руководство по массивамNumPy. Изучите создание массивов, изменение формы, индексацию, нарезку и математические операции.
Создание и проверка массива
Методы инициализации массивов numpy и извлечения характеристик формы.
| Метод/Функция | Синтаксис | Описание |
|---|---|---|
| np.array() | np.array(list) | Создает однородный многомерный массив ndarray из списка. |
| np.arange() | np.arange(start, stop, step) | Создает массив с равномерно расположенными значениями в заданном диапазоне. |
| np.linspace() | np.linspace(start, stop, num) | Создает массив с числом равномерно распределенных значений в течение указанного интервала. |
| np.zeros() / np.ones() | np.zeros(shape) / np.ones(shape) | Инициализирует массивы, заполненные нулями или единицами указанной формы. |
| shape / dtype | arr.shape / arr.dtype | Атрибуты, возвращающие размеры и тип элемента массива. |
Манипулирование массивами и математика
Подпрограммы для изменения макетов массивов и выполнения математических агрегаций.
| Метод/Функция | Синтаксис | Описание |
|---|---|---|
| reshape() | arr.reshape(new_shape) | Придает новую форму массиву без изменения его данных. |
| arr.T | arr.T | Транспонировать атрибут. Меняет местами оси массива. |
| np.concatenate() | np.concatenate((a1, a2), axis=0) | Объединяет последовательность массивов вдоль существующей оси. |
| mean() / std() | arr.mean() / arr.std() | Вычисляет среднее арифметическое и стандартное отклонение. |
| sum() / dot() | arr.sum() / np.dot(a, b) | Суммирует элементы или вычисляет умножение матрицы скалярного произведения. |
Интерактивный демонстрационный сценарий
# np.array()
np.array(list)
# np.arange()
np.arange(start, stop, step)
# np.linspace()
np.linspace(start, stop, num)
# np.zeros() / np.ones()
np.zeros(shape) / np.ones(shape)
# shape / dtype
arr.shape / arr.dtype
# reshape()
arr.reshape(new_shape)
# arr.T
arr.T
# np.concatenate()
np.concatenate((a1, a2), axis=0)
# mean() / std()
arr.mean() / arr.std()
# sum() / dot()
arr.sum() / np.dot(a, b)Часто задаваемые вопросы
Зачем использовать массивыNumPyвместо стандартных списков Python?
МассивыNumPyхранятся в смежных блоках памяти, что делает их значительно быстрее и эффективнее использует память для числовых вычислений.
Что транслируется вNumPy?
Широковещательная рассылка позволяет выполнять арифметические операции над массивами различной формы, автоматически расширяя меньший массив для соответствия форме большего массива.
Связанные темы
Справочное руководство для серийPandasи DataFrames. Изучите загрузку, очистку, выбор, группировку и агрегирование данных.
Шпаргалка по функциям математического модуля PythonКраткое справочное руководство по стандартной математической библиотеке Python. Узнайте, как использовать тригонометрические, логарифмические, округляющие и арифметические функции.
Шпаргалка по встроенным функциям PythonСправочное руководство по встроенным функциям Python. Узнайте, как использовать print, len, range, enumerate, zip, map, filter и многое другое.
Рекомендуемые ресурсы Python
Расширьте свои знания с помощью соответствующих интерактивных руководств, шпаргалок и сравнений кода.
Циклы Python
Узнайте, как использовать циклы Python для перебора данных. Освойте циклы for, while, прерывание, продолжение и лучшие практики работы с циклами с помощью интерактивных примеров.
Как отсортировать список в Python
Узнайте, как сортировать список в Python с помощью метода sort() и функции sorted(). Ознакомьтесь с примерами пользовательской сортировки ключей и обратного порядка.
Python против JavaScript: какой язык программирования лучше?
Всестороннее сравнение Python и JavaScript. Изучите синтаксические различия, производительность, варианты использования (серверная и клиентская части) и примеры кодирования.