간단한 NumPy와의 Numba를 사용하는 (A)

NumPy와 파이썬 삼자 라이브러리 주로 계산하는 연산의 배열이 사용된다. 선형 대수와 관련된 작업.

많은 경우에, 우리는 SciPy와하기 matplotlib (그래픽 라이브러리) 사용하실 수 있습니다. 대신 매트랩의 날은 일반적인 작업 NumPy와 라이브러리의 일부를 살펴 보자.

# !으로 / usr / bin / env를 파이썬 
# - * - 코딩 : UTF-8 - * - 

임포트 NP NumPy와 같은 

경우  __name__ == ' __main__ ' :
     인쇄 (np.array ([1, 2, 3]))

우리는 출력 [2,3] 타입 <클래스 'numpy.ndarray'> 우리는 배열로 나열 할 수있다 볼 수있다. 여기에 가장 기본적인 사용법의 일부를 나열했습니다

# ! / usr / bin / python 부분을 ENV의 
# - * - 코딩 :. UTF-8 - * - 

오기 NumPy와 NP AS 

IF  __name__ == ' __main__ ' : = np.array ([ ' 1. ' , ' 2 ' , ' 3. ' ])
     전단 (a.size)   #의 배열 길이 
    인쇄 (a.shape)   # 구조물의 어레이 
    인쇄 (a.ndim)   #의 어레이 사이즈의 
    인쇄 (a.dtype)   # 내부 요소 유형

10 행과 1의 부동 소수점 값의 10 열을 생성, 매트릭스

array_one np.ones = ([10, 10])

포인트 0 부동 값의 행렬의 빠른 10 행과 10 열 만들기

array_zero np.zeros = ([10, 10])

기존 데이터의 배열 만들기

배열 (전체 복사)
asArray (얕은 복사)

# !으로 / usr / bin / env를 파이썬 
# - * - 코딩 : UTF-8 - * - 

임포트 NP 등 NumPy와 

경우  __name__ == ' __main__ ' : = array_one = np.ones ([10, 10 ]) 
    (B) = NP .asarray (a)
     인쇄 (ID (a))
     프린트 (ID (b)) 
    C = np.array (b)
     인쇄 (ID (c))

이러한 데, 우리는 NumPy와에 대한 사전 이해가 있어야, 우리가 여기 NumPy와 알고 ..... 그것은 물건을 생성하는 다차원 배열로 밝혀졌다

우리에게 그것을 NumPy와 내부 정보에서 자세히 살펴 보자.

가장 중요한 특징은 서로 다른 유형의 데이터의 집합이다 NumPy와 ndarray있는 오브젝트가 N 차원 어레이는, 세트 인덱스의 시작 요소를 0로 표시된다.

ndarray 목적은 소자의 동일한 유형을 저장하는데 사용 다차원 배열이다.

ndarray 각 요소는 메모리에서 동일한 크기의 저장 영역을 갖는다.

내부 ndarray는 다음과 같이 구성

데이터 (데이터 메모리 또는 메모리 맵 파일) 포인터에 대한 포인터.
데이터 유형 또는 DTYPE는 배열 고정 격자 크기 값을 설명한다.
형상 (모양) 튜플의 배열은, 각각의 터플은 치수의 크기를 나타낸다.
순방향 전류 정수 차원에서에게 "교차"필수 요소를 지칭 상기 스팬 튜플 (보폭) 바이트 .

여기에서는 스팬 제외 될 수 스팬 언급 그것은 이동 메모리 어레이, 슬라이스 후의 것 OBJ의 [:: - 1] 또는 OBJ [: :: - 1]의 경우이다. 이 바이트가 아닌 문자의 수 있습니다.

간단하게 할 수있는 기능의 NumPy와 배열을 부르는 ndarray 만들기, 우리가 말하고있는 중요한 속성이지만, 또한 오해 속성 -> ndim, 순위 번호, 축 또는 치수의 수 즉, 우리는 그 차원 있다는 사실을 번호를 확인.

인덱스 :

오기 NumPy와 NP AS 

IF  __name__ == ' __main__ ' : = np.arange (10 )
     이 전단 (A)는 
    S = 조각 (2, 8, 2)   # 인덱스 8 인덱스 2에서 시작하는 정지는, 간격이 2이고, 인 좌우 개방 구간 개폐 
    인쇄 (A [S])

슬라이스 :

# ! / usr / bin / python 부분을 ENV의 
# - * - 코딩 :. UTF-8 - * - 

오기 NumPy와 NP AS 

IF  __name__ == ' __main__ ' : = np.arange (10 )
     전단 (A)
     인쇄 (A [2 8 : 2]) #는 인덱스 8 (2)의 간격으로 중단되는 인덱스 2에서 시작하여, 그 좌우 및 제 8 개구를 폐쇄를 포함하지 않는다

콜론 : 설명 : 당신은 같은 하나의 매개 변수, 배치하면 [2] , 인덱스에 해당하는 단일 요소를 반환합니다. 만약 [2] , 모든 항목이 인덱스의 처음부터 나중에 검색 할 것을 나타내는. 만약 같은 두 개의 매개 변수, [72] 항목을 다음과 (종결 인덱스 제외) 개의 인덱스를 추출하는 단계를 포함한다.

슬라이스는 상기 타원을 포함 할 수있다 .. 선택된 튜플들의 어레이의 동일한 치수의 길이를 만들기 위해. 줄임표의 광고 위치하면, 소자의 열을 포함 ndarray 반환한다.

[ ..., N- ] ) #에 N + 1 번째 열 요소

[ N-, ... ] ) #에 N + 1 번째 행 요소

# !으로 / usr / bin / env를 파이썬 
# - * - 코딩 : UTF-8 - * - 

임포트 NP 등 NumPy와 

경우  __name__ == ' __main__ ' : = np.array ([1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16 ])
     인쇄 (a)
     인쇄 (a ..., 2 ])
     인쇄 (a [ 1, ...])

수석 인덱스 :

　　NumPy와 방법은 파이썬 시퀀스의 평균 지수보다 더 많은을 제공합니다. 정수 인덱스를 이용하여 이전에 본 슬라이스뿐만 아니라, 배열 될 수 있으며, 인덱스 부울 공상 정수 배열 인덱스에 의해 인덱스.

# !으로 / usr / bin / env를 파이썬 
# - * - 코딩 : UTF-8 - * - 

임포트 NP 등 NumPy와 
X = np.array ([1,2], [3,4], [5,6 ] ) 
Y = (X)를 [0,1,2], [0 , 0]
 토너 (X)
 잉크 (Y)

출력 (Y)으로 우리가 실제로는 X (Y)의 조각을 얻는 것을 볼 수있다 [0,1,2]를 [0,1,0] 두 배열은 우리가 얻을 0,0; 1,1; 2,0 세 개의 데이터.

　　부울 지수 :

오기 NP AS NumPy와 

X = np.array ([0 ,. 1, 2], [. 3 ,. 4 ,. 5], [. 6 ,. 7 ,. 8], [. 9, 10 ,. 11 ])
 인쇄 ( " 당사 어레이 그들은 다음과 같습니다 ' )
 인쇄 (X)
 인쇄 ( ' \ N- ' )
 #는 지금 우리는 5 이상의 요소를 인쇄 할 
인쇄 ( ' 5보다 큰 것입니다 : ' )
 인쇄 (X의 [X> 5])

우리는보다 큰 5의 모든 요소를 얻을.

간단한 NumPy와의 Numba를 사용하는 (A)

추천