Chức năng chạy python cho mọi mục trong danh sách
Có nhiều cách để áp dụng hàm cho từng phần tử của Mảng NumPy. Hãy thảo luận từng phương pháp một với cách tiếp cận phù hợp và một ví dụ về mã hoạt động Show
quảng cáo Áp dụng hàm trên Mảng NumPy bằng hàm được vector hóaMô-đun numpy có một lớp vectorize. Nó lấy một hàm python làm đối số và trả về một hàm được vector hóa. Hàm được vector hóa này lấy một mảng NumPy làm đối số và gọi hàm được gán trước đó cho từng phần tử của mảng. Sau đó trả về một mảng NumPy chứa kết quả Cú pháp véc tơ hóa numpy.vectorize(pyfunc)
Trước tiên, hãy tạo một hàm mà bạn muốn áp dụng trên mảng, sau đó làm theo cách tiếp cận sau Tiếp cận
Mã nguồn import numpy as np # A function to be applied to the array def add(num): return num + 10 # creating numpy array arr = np.array([1, 2, 3, 4, 5]) # printing the original array print(" The original array : " , arr) # Apply add() function to array. addTen = np.vectorize(add) arr = addTen(arr) # printing the array after applying function print(" The array after applying function : " , arr) đầu ra The original array : [1 2 3 4 5] The array after applying function : [11 12 13 14 15] Áp dụng hàm trên Mảng NumPy bằng hàm map()Hàm map() của python nhận chức năng và có thể lặp lại làm tham số. Sau đó, nó áp dụng hàm đã cho trên tất cả các phần tử của iterable đã cho và trả về một đối tượng được ánh xạ. Chúng tôi có thể lặp lại đối tượng được ánh xạ này để nhận tất cả các giá trị kết quả hoặc chúng tôi có thể trực tiếp chuyển đổi nó thành một danh sách Cú pháp hàm map() map(function, iterator)
Trước tiên, hãy tạo một hàm mà bạn muốn áp dụng trên mảng và làm theo cách tiếp cận sau, Tiếp cận
Mã nguồn import numpy as np # function to be applied to the array def add(num): return num+10 # creating numpy array arr = np.array([1, 2, 3, 4, 5]) # printing the original array print(" The original array : " , arr) # Apply add() function to array. arr = np.array(list(map(add, arr))) # printing the array after applying function print(" The array after applying function : " , arr) đầu ra The original array : [1 2 3 4 5] The array after applying function : [11 12 13 14 15] Áp dụng một hàm trên Mảng NumPy bằng Sử dụng cho vòng lặpChúng ta có thể lặp lại một mảng NumPy và áp dụng hàm đã cho trên từng phần tử một Tiếp cận
Mã nguồn import numpy as np # function to be applied to the array def add(num): return num+10 # creating numpy array arr = np.array([1, 2, 3, 4, 5]) # printing the original array print(" The original array : " , arr) # Apply add() function to array. for i in range(0,len(arr)): arr[i] = add(arr[i]) # printing the array after applying function print(" The array after applying function : " , arr) đầu ra The original array : [1 2 3 4 5] The array after applying function : [11 12 13 14 15] Áp dụng một chức năng trên Mảng NumPy bằng cách sử dụng Danh sách hiểuKhả năng hiểu Danh sách được sử dụng để tạo danh sách mới từ các lần lặp như bộ dữ liệu, chuỗi, mảng, danh sách, Chúng cung cấp cú pháp rất nhỏ. Bây giờ để áp dụng một chức năng trên toàn bộ mảng. Sử dụng Khả năng hiểu danh sách để lặp lại mảng và áp dụng hàm đã cho cho từng phần tử của mảng có nhiều mảng Tiếp cận
Mã nguồn ________số 8_______đầu ra numpy.vectorize(pyfunc)0 Tóm lược Tuyệt vời. bạn đã tạo ra nó, Chúng tôi đã thảo luận về Tất cả các phương thức có thể áp dụng một phương thức trên tất cả các phần tử của Mảng NumPy trong Python. học tập vui vẻ Hàm all() trong Python là gì?Hàm Python all()
. Nếu đối tượng iterable trống, hàm all() cũng trả về True. returns True if all items in an iterable are true, otherwise it returns False. If the iterable object is empty, the all() function also returns True.
Bạn có thể đặt một hàm trong danh sách Python không?Trong Python, bạn có thể sử dụng hàm danh sách để tạo một tập hợp có thể thao tác cho phân tích của bạn. Bộ sưu tập dữ liệu này được gọi là một đối tượng danh sách. |