Kinh Nghiệm Hướng dẫn Hướng dẫn dùng numpty definition python 2022
Bạn đang tìm kiếm từ khóa Hướng dẫn dùng numpty definition python được Update vào lúc : 2022-10-12 14:20:29 . Với phương châm chia sẻ Bí quyết về trong nội dung bài viết một cách Chi Tiết 2022. Nếu sau khi đọc tài liệu vẫn ko hiểu thì hoàn toàn có thể lại Comment ở cuối bài để Tác giả lý giải và hướng dẫn lại nha.
Numpy (Numeric Python): là một thư viện toán học phổ cập và mạnh mẽ và tự tin của Python. Cho phép thao tác hiệu suất cao với ma trận và mảng, nhất là tài liệu ma trận và mảng lớn với vận tốc xử lý nhanh hơn nhiều lần khi chỉ sử dụng “core Python” đơn thuần.
Nội dung chính
- Cài đặt thư viện Numpy
- Các thao tác với Numpy
- Lời kết
Hãy cùng tìm hiểu về thư viện này trong nội dung bài viết dưới đây:
Cài đặt thư viện Numpy
– Mở Command Prompt và gõ lệnh: pip install numpy
Các thao tác với Numpy
1. Khai báo thư việnimport numpy as np2. Khởi tạo mảng
a) Khởi tạo mảng một chiều
#Khởi tạo mảng một chiều với kiểu tài liệu những thành phần là Integer
arr = np.array([1,3,4,5,6], dtype = int)
#Khởi tạo mảng một chiều với kiểu tài liệu mặc định
arr = np.array([1,3,4,5,6])
print(arr)
OUTPUT:
[1 3 4 5 6]
b) Khởi tạo mảng hai chiều
arr1 = np.array([(4,5,6), (1,2,3)], dtype = int)
print(arr1)
OUTPUT:
[[4 5 6]
[1 2 3]]
c) Khởi tạo mảng ba chiều
arr2 = np.array(([(2,4,0,6), (4,7,5,6)],
[(0,3,2,1), (9,4,5,6)],
[(5,8,6,4), (1,4,6,8)]), dtype = int)
print(arr2)
OUTPUT:
[[[2 4 0 6]
[4 7 5 6]]
[[0 3 2 1]
[9 4 5 6]]
[[5 8 6 4]
[1 4 6 8]]]
d) Khởi
tạo với những hàm có sẵn
- np.zeros((3,4), dtype = int): Tạo mảng hai chiều những thành phần 0 với kích thước 3×4.
- np.ones((2,3,4), dtype = int): Tạo mảng 3 chiều những thành phần 1 với kích thước 2x3x4.
- np.arange(1,7,2): Tạo mảng với những thành phần từ là 1 – 6 với bước nhảy là 2.
- np.full((2,3),5): Tạo mảng 2 chiều những thành phần 5 với kích thước 2×3.
- np.eye(4, dtype=int): Tạo ma
trận cty với kích thước là 4×4. - np.random.random((2,3)): Tạo ma trận những thành phần ngẫu nhiên với kích thước 2×3.
3. Thao tác với mảng
- dtype: Kiểu tài liệu của thành phần trong mảng.
- shape: Kích thước của mảng.
- size: Số thành phần trong mảng.
- ndim: Số chiều của mảng.
print(“Kiểu tài liệu của thành phần trong mảng:”, arr2.dtype)
print(“Kích thước của mảng:”, arr2.shape)
print(“Số thành phần trong mảng:”, arr2.size)
print(“Số chiều của mảng:”, arr2.ndim)
Output:
Kiểu tài liệu của thành phần trong mảng: int32
Kích thước của mảng: (3, 2, 4)
Số thành phần trong mảng: 24
Số chiều của mảng: 3
Truy cập thành phần trong mảng
Các thành phần trong mảng được đánh số từ 0 trở đi
- arr[i]: Truy cập tới thành phần thứ i của mảng 1 chiều.
- arr1[i,j]: Truy cập tới thành phần hàng i, cột j của mảng 2 chiều.
- arr2[n,i,j]: Truy cập tới thành phần chiều n, hàng i, cột j của mảng 3 chiều.
- arr[a:b]: Truy cập tới những thành phần từ a đến b-1 trong mảng 1 chiều.
- arr1[:,:i]:
Truy cập tới thành phần từ cột 0 đến cột i-1, của toàn bộ những hàng trong mảng 2 chiều.
print(“arr[2]=”, arr[2])
print(“arr1[1:2]=”, arr1[1,2])
print(“arr2[1,2,3]=”, arr2[1,1,3])
print(“arr[0:3]=”, arr[0:3])
print(“arr1[:,:1]=”, arr1[:,:2])
Output
arr[2]= 4
arr1[1:2]= 3
arr2[1,2,3]= 6
arr[0:3]= [1 3 4]
arr1[:,:1]=
[[4 5]
[1 2]]
Đọc mảng từ file .txt
diem_2a = np.loadtxt(‘Diem_2A.txt’, dtype = int, delimiter=”,”) #ở đây toàn bộ thành phần là số nguyên nên mình để kiểu int cho dễ nhìn, những thành phần phân tách nhau bởi dấu “,”
print(“File tài liệu điểm lớp 2A:n”, diem_2a)
Output
Các hàm thống kê
- arr.max() hoặc np.max(arr): Lấy giá trị lớn số 1 của mảng arr.
- arr.min() hoặc np.min(arr): Lấy giá trị nhỏ nhất của mảng arr.
- arr.sum() hoặc
np.sum(arr): Tổng toàn bộ những thành phần trong mảng arr. - arr.mean() hoặc np.mean(arr): Trung bình cộng của toàn bộ những thành phần trong mảng arr.
- np.median(arr): Trả về giá trị trung vị của mảng arr.
print(“Giá trị lớn số 1 của mảng arr là:”, np.max(arr))
print(“Giá trị nhỏ nhất của mảng arr là:”, np.min(arr))
print(“Tổng toàn bộ những thành phần của mảng arr là:”, np.sum(arr))
print(“Trung bình cộng toàn bộ những thành phần của mảng arr là:”, np.mean(arr))
print(“Giá trị trung vị của mảng arr là:”, np.median(arr))
Output:
Giá trị lớn số 1 của mảng arr là: 6
Giá trị nhỏ nhất của mảng arr là: 1
Tổng toàn bộ những thành phần của mảng arr là: 19
Trung bình cộng toàn bộ những thành phần của mảng arr là: 3.8
Giá trị trung vị của mảng arr là: 4.0
NumPy dtype
Basic Type
Available Numpy types
Comments
Boolean
bool
Elements are 1 byte in size.
Integer
int8, int16, int32, int64, int128, int
int defaults to the size of int in C for the platform.
Unsigned Integer
uint8, uint16, uint32, uint64, uint128, uint
uint defaults to the size of unsigned int in c for the platform.
Float
float32, float64, float,
longfloat
Float is always a double precision floating point value (64 bits). longfloat represents large precision floats. Its size is platform dependent.
Complex
complex64, complex128, complex
The real and complex elements of a complex64 are each represented by a single precision (32 bit) value for a total size of 64 bits.
Strings
str, unicode
Unicode is always UTF32 (UCS4)
Object
object
Represent items in array as Python objects.
Records
void
Used for arbitrary data structures in record arrays.
Toán tử trong NumPy Array
a = np.array([2,1,3,4,5])
Toán tử
Ví dụ
Kết quả
(+) Một số với mảng
3 + arr
arr +3
[4, 6, 7, 8, 9]
(+) Mảng với mảng
arr + a
a + arr
[3, 4, 7, 9, 11]
(-) Một số với mảng
arr – 3
3 – arr
[-2, 0, 1, 2, 3]
[2, 0, -1, -2, -3]
(-) Mảng với mảng
arr – a
a – arr
[-1, 2, 1, 1, 1]
[1, -2, -1, -1, -1]
(*) Một số với mảng
arr * 3
3 * arr
[3, 9, 12, 15, 18]
(*) Mảng với mảng
arr * a
a * arr
[2, 3, 12, 20, 30]
(/) Một số với mảng
arr / 3
3 / arr
[0.33333333, 1., 1.33333333, 1.66666667, 2.]
[3., 1., 0.75, 0.6, 0.5]
(/) Mảng với mảng
arr / a
a / arr
[0.5, 3., 1.33333333, 1.25, 1.2]
[2., 0.33333333, 0.75, 0.8, 0.83333333]
Hạng của ma trận
np.rank(arr)
np.rank(arr1)
1
2
Lời kết
Như vậy là tôi đã trình làng cơ bản cho bạn về thư viện NumPy trong Python, nếu bạn muốn tìm hiểu thêm về thư viện NumPy thì bạn hoàn toàn có thể vào ĐÂY để tìm hiểu thêm thêm. Ở bài sau mình sẽ trình làng cho những bạn về kiểu cách xử lý tài liệu với thư viện Pandas.
Tải thêm tài liệu liên quan đến nội dung bài viết Hướng dẫn dùng numpty definition python
programming
python
Reply
6
0
Chia sẻ
Chia Sẻ Link Down Hướng dẫn dùng numpty definition python miễn phí
Bạn vừa tìm hiểu thêm Post Với Một số hướng dẫn một cách rõ ràng hơn về Review Hướng dẫn dùng numpty definition python tiên tiến và phát triển nhất và Share Link Cập nhật Hướng dẫn dùng numpty definition python miễn phí.
Thảo Luận vướng mắc về Hướng dẫn dùng numpty definition python
Nếu sau khi đọc nội dung bài viết Hướng dẫn dùng numpty definition python vẫn chưa hiểu thì hoàn toàn có thể lại Comment ở cuối bài để Tác giả lý giải và hướng dẫn lại nha
#Hướng #dẫn #dùng #numpty #definition #python