Цель библиотеки NumPy в Python — обеспечить эффективную и удобную обработку больших массивов и матриц числовых данных. Он широко используется в научных вычислениях, анализе данных и задачах машинного обучения. NumPy означает «Числовой Python».
Вот некоторые часто используемые методы и функции, предоставляемые NumPy:
-
Создание массива:
numpy.array: создает массив из списка или кортежа.numpy.zeros: создает массив, заполненный нулями.numpy.ones: создает массив, заполненный единицами.numpy.empty: создает неинициализированный массив.numpy.arange: создает массив со значениями, расположенными через равные интервалы.numpy.linspace: создает массив с указанным количеством значений в заданном диапазоне.
-
Манипуляции с массивами:
numpy.reshape: преобразует массив в указанную форму.numpy.transpose: транспонирует массив.numpy.concatenate: объединяет массивы вдоль указанной оси.numpy.split: разбивает массив на несколько подмассивов.numpy.resize: изменяет форму и размер массива.
-
Математические операции:
numpy.add: поэлементное сложение двух массивов.numpy.subtract: поэлементное вычитание двух массивов.numpy.multiply: поэлементное умножение двух массивов.numpy.divide: поэлементное деление двух массивов.numpy.dot: вычисляет скалярное произведение двух массивов.
-
Статистические функции:
numpy.mean: вычисляет среднее значение массива вдоль указанной оси.numpy.median: вычисляет медиану массива вдоль указанной оси.numpy.std: вычисляет стандартное отклонение массива вдоль указанной оси.numpy.min: находит минимальное значение в массиве.numpy.max: находит максимальное значение в массиве.
-
Генерация случайных чисел:
numpy.random.rand: генерирует случайные числа из равномерного распределения.numpy.random.randn: генерирует случайные числа из стандартного нормального распределения.numpy.random.randint: генерирует случайные целые числа между указанными значениями.numpy.random.shuffle: перемешивает элементы массива на месте.numpy.random.choice: генерирует случайные выборки из массива.