Trong bài viết trước tôi đã giới thiệu cho bạn về NumPy, tìm hiểu về Mảng trong NumPy. Trong bài viết này chúng ta sẽ tiếp tục tìm hiểu về các kiểu dữ liệu khác trong NumPy
Tìm kiếm Mảng
Bạn có thể tìm kiếm một mảng cho một giá trị nhất định và trả về các chỉ mục nhận được một kết quả phù hợp. Để tìm kiếm một mảng, hãy sử dụng
arr = np.array [[1, 2, 3, 4, 5, 6, 7, 8]]
x = np.where [arr% 2 == 0]
print [x]
7.Tìm các chỉ mục có giá trị là 4:
arr = np.array [[1, 2, 3, 4, 5, 4, 4]]
x = np.where [arr == 4]
print [x]
Output:
arr = np.array [[1, 2, 3, 4, 5, 6, 7, 8]]
x = np.where [arr% 2 == 0]
print [x]
8Giá trị 4 có ở chỉ mục 3, 5 và 6.
Tìm các chỉ mục trong đó các giá trị là chẵn:
arr = np.array [[1, 2, 3, 4, 5, 6, 7, 8]]
x = np.where [arr% 2 == 0]
print [x]
Output:
arr = np.array [[1, 2, 3, 4, 5, 6, 7, 8]]
x = np.where [arr% 2 == 0]
print [x]
9Tạo số ngẫu nhiên
NumPy cung cấp module random hoạt động với các số ngẫu nhiên. Bạn sẽ cần sử dụng từ khóa from để nhập ngẫu nhiên từ numpy.
nhập numpy dưới dạng np
#Import Random Mô-đun
từ ngẫu nhiên nhập numpy
x = random.randint [100]
print [x]
Output: 86
Tạo Float ngẫu nhiên
Phương thức module random
nhập numpy dưới dạng np
#Import Random Mô-đun
từ ngẫu nhiên nhập numpy
x = random.randint [100]
print [x]
0 trả về một số thực ngẫu nhiên từ 0 đến 1.x = random.rand[]
print[x]
Output:
nhập numpy dưới dạng np
#Import Random Mô-đun
từ ngẫu nhiên nhập numpy
x = random.randint [100]
print [x]
1Tạo mảng ngẫu nhiên
Trong NumPy, chúng tôi làm việc với mảng và bạn có thể sử dụng hai phương pháp từ các ví dụ trên để tạo mảng ngẫu nhiên.
Số nguyên [Integer]
Các phương pháp
nhập numpy dưới dạng np
#Import Random Mô-đun
từ ngẫu nhiên nhập numpy
x = random.randint [100]
print [x]
2 có một nhập numpy dưới dạng np
#Import Random Mô-đun
từ ngẫu nhiên nhập numpy
x = random.randint [100]
print [x]
3 số nơi bạn có thể xác định hình dạng của một mảng.x = random.randint [100, size = [5]]
print [x]
Output:
nhập numpy dưới dạng np
#Import Random Mô-đun
từ ngẫu nhiên nhập numpy
x = random.randint [100]
print [x]
4Số thập phân [Floats]
Các phương pháp rand[] cũng cho phép bạn chỉ định hình dạng của mảng.
x = random.rand [5]
print [x]
Output:
nhập numpy dưới dạng np
#Import Random Mô-đun
từ ngẫu nhiên nhập numpy
x = random.randint [100]
print [x]
5Tạo số ngẫu nhiên từ mảng
Các phương pháp
nhập numpy dưới dạng np
#Import Random Mô-đun
từ ngẫu nhiên nhập numpy
x = random.randint [100]
print [x]
6 cho phép bạn tạo ra một giá trị ngẫu nhiên dựa trên một mảng các giá trị.x = random.choice [[3, 5, 7, 9]]
print [x]
Output:
nhập numpy dưới dạng np
#Import Random Mô-đun
từ ngẫu nhiên nhập numpy
x = random.randint [100]
print [x]
7Các hàm toán học
NumPy chứa một số lượng lớn các phép toán khác nhau. NumPy cung cấp các hàm lượng giác tiêu chuẩn, các hàm cho các phép toán số học, xử lý số phức, v.v.
Hàm lượng giác
NumPy có các hàm lượng giác tiêu chuẩn trả về tỷ số lượng giác cho một góc nhất định tính bằng radian.
import numpy as np
a = np.array[[0,30,45,60,90]]
print 'Sine of different angles:'
# Convert to radians by multiplying with pi/180
print np.sin[a*np.pi/180]
print '\n'
print 'Cosine values for angles in array:'
print np.cos[a*np.pi/180]
print '\n'
print 'Tangent values for given angles:'
print np.tan[a*np.pi/180]
Output:
Sine of different angles:
[ 0. 0.5 0.70710678 0.8660254 1. ]
Cosine values for angles in array:
[ 1.00000000e+00 8.66025404e-01 7.07106781e-01 5.00000000e-01
6.12323400e-17]
Tangent values for given angles:
[ 0.00000000e+00 5.77350269e-01 1.00000000e+00 1.73205081e+00
1.63312394e+16]
Các hàm arcsin, arcos và arctan trả về nghịch đảo lượng giác của sin, cos và tan của góc đã cho. Kết quả của các hàm này có thể được xác minh bởi hàm
nhập numpy dưới dạng np
#Import Random Mô-đun
từ ngẫu nhiên nhập numpy
x = random.randint [100]
print [x]
8 bằng cách chuyển đổi radian sang độ.arcsin, arcos và arctan trả về nghịch đảo lượng giác của sin, cos và tan của góc đã
cho. Kết quả của các hàm này có thể được xác minh bởi hàm nhập numpy dưới dạng np
#Import Random Mô-đun
từ ngẫu nhiên nhập numpy
x = random.randint [100]
print [x]
8 bằng cách chuyển đổi radian sang độ.Ex:
import numpy as np
a = np.array[[0,30,45,60,90]]
print 'Array containing sine values:'
sin = np.sin[a*np.pi/180]
print sin
print '\n'
print 'Compute sine inverse of angles. Returned values are in radians.'
inv = np.arcsin[sin]
print inv
print '\n'
print 'Check result by converting to degrees:'
print np.degrees[inv]
print '\n'
print 'arccos and arctan functions behave similarly:'
cos = np.cos[a*np.pi/180]
print cos
print '\n'
print 'Inverse of cos:'
inv = np.arccos[cos]
print inv
print '\n'
print 'In degrees:'
print np.degrees[inv]
print '\n'
print 'Tan function:'
tan = np.tan[a*np.pi/180]
print tan
print '\n'
print 'Inverse of tan:'
inv = np.arctan[tan]
print inv
print '\n'
print 'In degrees:'
print np.degrees[inv]
OUtput:
arr = np.array [[1, 2, 3, 4, 5, 6, 7, 8]]
x = np.where [arr% 2 == 0]
print [x]
0Các chức năng để làm tròn
nhập numpy dưới dạng np
#Import Random Mô-đun
từ ngẫu nhiên nhập numpy
x = random.randint [100]
print [x]
9Đây là một hàm trả về giá trị được làm tròn đến độ chính xác mong muốn. Hàm nhận các tham số sau:
x = random.rand[]
print[x]
0 Trong đó: x = random.rand[]
print[x]
1: là dữ liệu đầu vào x = random.rand[]
print[x]
2: Số lượng số thập phân làm tròn đến. Mặc định là 0. Nếu âm, số nguyên được làm tròn đến vị trí bên trái của dấu thập phânEx:
arr = np.array [[1, 2, 3, 4, 5, 6, 7, 8]]
x = np.where [arr% 2 == 0]
print [x]
1Output:
arr = np.array [[1, 2, 3, 4, 5, 6, 7, 8]]
x = np.where [arr% 2 == 0]
print [x]
2numpy.floor []
Hàm này trả về số nguyên lớn nhất không lớn hơn tham số đầu vào. Tầng của vô hướng x là số nguyên i lớn nhất , sao cho i
Ex:
arr = np.array [[1, 2, 3, 4, 5, 6, 7, 8]]
x = np.where [arr% 2 == 0]
print [x]
3Output:
arr = np.array [[1, 2, 3, 4, 5, 6, 7, 8]]
x = np.where [arr% 2 == 0]
print [x]
4numpy.ceil []
Hàm
x = random.rand[]
print[x]
3 trả về giá trị trần của giá trị đầu vào, tức là ceil của vô hướng x là số nguyên i nhỏ nhất , sao cho i >= x.Ex:
arr = np.array [[1, 2, 3, 4, 5, 6, 7, 8]]
x = np.where [arr% 2 == 0]
print [x]
5Output:
arr = np.array [[1, 2, 3, 4, 5, 6, 7, 8]]
x = np.where [arr% 2 == 0]
print [x]
6Tham khảo:
Numpy Tutorial Numpy.org Numpy Medium