Numpy Array Operations

Dzisiaj dowiadujemy się, jakie operacje wykonujemy na tablicach Numpy i jak wykonywać te operacje. Ten samouczek będzie pomocny, jeśli znasz już podstawy Pythona i chcesz zacząć używać Numpy.

Numpy to zaawansowana biblioteka programowania Python. Główną cechą Numpy jest to, że oferuje pracę z wielowymiarowymi tablicami i wyjątkową prędkością, a także możliwościami interakcji z tymi tablicami.

Numpy służy do wykonywania operacji logicznych i matematycznych. Możemy wykonywać wiele operacji w tablicach:

• Działania arytmetyczne
• Operacje logiczne
• Operacje porównawcze

Działania arytmetyczne

Możemy wykonywać wiele operacji na tablicach Numpy, w których możemy dodawać, odejmować, mnożyć i dzielić dwie tablice; Operacje te nazywane są operacją arytmetyczną. Do operacji arytmetycznych wymagane są co najmniej dwie tablice i muszą mieć taki sam rozmiar lub przestrzegać reguł nadawania tablicy.

Składnia:

Zobaczmy składnię działalności arytmetycznej biblioteki Python, Numpy. Tutaj najpierw piszemy nazwę biblioteki, której używamy, która jest „Numpy”. Następnie nazywamy funkcję operacji arytmetycznej, którą chcemy wykonać jak add (), sub (), mul () i div (). A następnie przekazujemy parametry do tej funkcji.

Przykład:

Przejdźmy do przykładu operacji arytmetycznych, które dodają, odejmują, mnożą i dzielą. Zobaczmy, jak wdrożyć te operacje na tablicach Numpy. Otwórz kompilator Python do wdrożenia programu arytmetycznego.

Pierwszym i podstawowym krokiem jest import biblioteki Python, który jest Numpy. Najpierw piszemy słowo kluczowe „import”, które pokazuje, że zamierzamy zaimportować bibliotekę. Następnie piszemy nazwę biblioteki, która jest „Numpy”. A potem piszemy pseudonim Numpy „NP”. W trzecim wierszu kodu używamy instrukcji print (), abyśmy mogli wyświetlić wiadomość, że zamierzamy zaimplementować operacje arytmetyczne. Następnie, w następnym wierszu, nazywamy funkcję Numpy arange () do tworzenia Array1 i przekazujemy w niej argumenty.

Pierwszy argument jest elementem początkowym tablicy1. Drugim argumentem jest element zatrzymujący, ale pamiętaj, że nie możemy uwzględnić elementu zatrzymania w tablicy1. A trzecim argumentem jest to, jak duża różnica powinniśmy wziąć, aby uzyskać kolejny element Array1; Dtype oznacza, jaki rodzaj danych chcemy (jak int, float itp.) dla Array1.

W tym wierszu używamy innej funkcji, stosując połączenie, którym jest funkcja reshape (). Ta funkcja służy do kształtowania tablicy1. Tutaj mamy 2 wiersze i 4 kolumny tablicy. Następnie tworzymy kolejną tablicę, która jest Array2 przy użyciu tej samej funkcji, której używamy dla Array1, ale nie używamy funkcji reshape () w tablicy 2, ponieważ nie chcemy kształtować tablicy. Po utworzeniu obu tablic drukujemy Array1 i Array2 za pomocą instrukcji print () i przekazujemy w nim tablice.

importować Numpy jako NP
Drukuj („Wdrożenie operacji arthimatycznych: \ n”)
array1 = np.Arange (40, 96, 7, Dtype = int).Reshape (2,4)
wydruku („Pierwsza tablica to”, tablica1.ndim, „Dimensional: \ n”, array1)
array2 = np.Arange (5, 20, 4, dtype = int)
druk („\ n druga tablica to”, tablica2.ndim, „Dimensional: \ n”, array2)
add = np.Dodaj (array1, array2)
Drukuj („\ Nadding the dwie tablice: \ n”, dodaj)
sub = np.Odejmij (Array1, Array2)
Drukuj („\ nSubtracting the dwie tablice: \ n”, sub)
MUL = NP.mnożnie (tablica1, tablica2)
Drukuj („\ nmultiplying the dwie tablice: \ n”, MUL)
div = np.podziel (Array1, Array2)
Drukuj („\ ndivingowanie dwóch tablic: \ n”, div)

Po utworzeniu obu tablic wywołujemy funkcje arytmetyczne jeden po drugim. Najpierw wywołujemy funkcję add () do dodania zarówno Array1, jak i Array2. Następnie wywołujemy funkcję sub (), abyśmy mogli odjąć Array2 od tablicy1. Następnie nazywamy funkcję mul () dla mnożenia obu tablic. Na koniec mamy funkcję div (), która dzieli obie tablice i otrzymujemy iloraz. Następnie drukujemy wszystkie funkcje za pomocą instrukcji print () i przekazujemy w niej parametry.

Oto wyjście tego wyjaśnionego przykładu, w którym otrzymujemy wynik operacji arytmetycznych:

Operacje logiczne

Teraz przejdźmy do drugiej operacji biblioteki Numpy, która jest operacją logiczną. Używamy operacji logicznej, aby uzyskać prawdziwą wartość tablic Numpy, takich jak wartości boolowskiej prawdy. Wdrażamy operacje logiczne za pomocą funkcji Numpy, które są funkcjami logical_and (), logical_or () i logical_not ().

Składnia:

Spójrzmy na styl pisania logicznej operacji biblioteki Python, Numpy. Najpierw piszemy nazwę biblioteki, której używamy w tym programie, który jest Numpy. Następnie piszemy nazwę funkcji operatora logicznego, którego używamy, a następnie przekazujemy w niej argumenty.

Przykład:

Zacznijmy wdrażać przykład operacji logicznych Python-Numpy, które są logical_and (), logical_or i logical_not.

Importujemy bibliotekę Python, której używamy w tym programie, który jest Numpy. Następnie tworzymy 1-wymiarową losową tablicę za pomocą funkcji Numpy Randn () i przekazujemy w niej dwa parametry. Pierwszy parametr pokazuje liczbę wierszy tablicy. Drugi parametr pokazuje liczbę kolumn tablicy. W szóstym wierszu kodu nazywamy instrukcję print () i przekazujemy w niej funkcję logical_and (). Następnie w następnym wierszu przekazujemy funkcję logical_or (), a następnie funkcja logical_not ().

importować Numpy jako NP
ARR = NP.losowy.Randn (2, 2)
druk („losowa tablica to: \ n”, arr)
drukuj („\ n wynik i to: \ n”, np.logical_and (ARR> 0, ARR < 0.5))
wydrukuj („\ n wynik OR jest: \ n”, np.logical_or (arr < 0, arr > 0.5))
drukuj („\ n Result of Not: \ n”, np.logical_not (ARR> 0))

Oto dane wyjściowe wcześniej wspomnianego fragmentu kodu. Jak widać, otrzymujemy losową tablicę za pomocą funkcji randn () i zastosowaliśmy do niej wiele operacji logicznych:

Operacje porównawcze

Teraz mamy trzecią operację tablic Numpy, która jest operacją porównawczą. W tej operacji porównujemy tablicę z dowolnym numerem i sprawdzamy, czy jest to prawda, czy fałsz. Wykonujemy wiele operacji porównawczych w tablicach Numpy, które są>, =, <=, =, != etc.

Składnia:

Oto składnia operacji porównawczych w tablicach Numpy:

Przykład:

Teraz przejdźmy do przykładu operacji porównawczych. Najpierw importujemy bibliotekę Python, która jest Numpy. Następnie tworzymy losową tablicę Numpy za pomocą funkcji randint (), aby utworzyć losową tablicę liczbową od 1 do 20. Rozmiar tablicy to 1 wiersz i 3 kolumny. Następnie nazywamy instrukcję print () i przekazujemy w nim operacje porównawcze. Funkcje, które wykonujemy w tym przykładzie, są większe (), wielki_equal (), ls.

importować Numpy jako NP
ARR = NP.losowy.Randint (1, 8, rozmiar = (1, 3))
druk („tablica wejściowa to: \ n”, arr)
Drukuj („\ ngreater niż jest: \ n”, np.Większy (ARR, 5))
Drukuj („\ ngreater lub równy 5: \ n”, np.Greater_equal (ARR, 5))
Drukuj („\ nless niż 5: \ n”, np.mniej (ARR, 5))
wydrukuj („\ nless lub równy 5: \ n”, np.Lets_equal (ARR, 5))
Drukuj („\ nequal do 5: \ n”, NP.równe (ARR, 5))
Drukuj („\ nnot równy 5: \ n”, np.not_equal (arr, 5))

Oto dane wyjściowe operacji porównawczych:

Wniosek

W tym artykule dowiedzieliśmy się, jakie operacje możemy wykonać w tablicach Numpy, jak wdrożyć te operacje w tablicach Numpy i które funkcje używamy do wdrożenia tych operacji Numpy. Wdrożyliśmy przykłady każdej operacji tablic Numpy i wykorzystaliśmy różne funkcje, aby utworzyć tablicę w tych przykładach.