Курс Python → Основные операции с Numpy

Библиотека Numpy предоставляет удобные средства для выполнения базовых операций с массивами. Простейшие арифметические действия, такие как сложение, вычитание, умножение и деление, могут быть легко выполнены с помощью Numpy. Однако для выполнения этих операций массивы должны быть одинаковой формы, чтобы можно было произвести элементарные операции над соответствующими элементами.

Numpy также предоставляет возможность фильтрации данных в массивах с помощью простых знаков. Например, если нужно отфильтровать все элементы массива, которые больше определенного значения, можно просто использовать знак сравнения (> или <) без необходимости использования итераторов или циклов. Это делает код более читаемым и компактным.

Кроме арифметических операций, в Numpy также доступны различные математические функции, такие как синус, косинус, экспонента и т. д. Эти функции могут быть применены к массивам целиком, что облегчает выполнение сложных вычислений и анализа данных.


import numpy as np

# Пример выполнения базовых операций
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

sum_result = arr1 + arr2
subtraction_result = arr2 - arr1
multiplication_result = arr1 * arr2
division_result = arr2 / arr1

# Пример фильтрации данных
filtered_data = arr[arr > 3]

# Пример применения математических функций
sin_values = np.sin(arr)
cos_values = np.cos(arr)

Приведенные выше примеры демонстрируют использование библиотеки Numpy для выполнения базовых операций, фильтрации данных и применения математических функций к массивам. Numpy обладает широкими возможностями и позволяет эффективно работать с массивами данных, упрощая процесс обработки информации и анализа результатов.

Твои коллеги будут рады, поделись в

Автор урока

Дмитрий Комаровский
Дмитрий Комаровский

Автоматизация процессов
в КраснодарБанки.ру

Другие уроки курса "Python"

  1. Bootle — простой веб-фреймворк
  2. Операторы объединения в Python 3.9
  3. Функция reduce() в Python
  4. Переменные класса и экземпляра
  5. Работа с байтовыми строками в Python
  6. Преобразование Excel в PDF с Spire.XLS
  7. Python: динамическая типизация и проверка типов
  8. Работа с типами данных в Python с помощью pydantic.
  9. Библиотека funcy: удобные утилиты
  10. Порядок и длина множеств в Python
  11. Работа с комплексными числами
  12. Python reversed() vs срез[::-1]
  13. Оператор is в Python
  14. Работа с изменяемыми списками
  15. Модуль Operator в Python
  16. Скачать видео с YouTube
  17. Переопределение метода __and__
  18. Проверка строки на палиндром
  19. Метод setdefault() в Python
  20. Проверка на истинность объектов в Python
  21. Класс UserDict: дополнительная функциональность
  22. Иерархия классов в Python
  23. Python Метод sleep() из time
  24. Исправление ошибки NameError
  25. Утечки переменных цикла в Python 3.x
  26. Представление бесконечности в Python
  27. Возврат нескольких значений
  28. Работа с SQLite в Python
  29. Преобразование регистра строк
  30. Транспонирование 2D-массива с помощью zip
  31. Метаклассы в Python
  32. Руководство по Pymorphy2
  33. Стать Python-разработчиком
  34. Печать списка с помощью метода join
  35. Форматирование вывода списков
  36. Копирование объектов в Python
  37. Разделение строки с помощью re.split()
  38. Создание таблиц в Python с PrettyTable
  39. Импорт модулей и пакетов в Python
  40. Декодирование байтов в строку
  41. Работа со строками в Python
  42. Экспорт данных с помощью writefile
  43. Модуль math: основные функции

Marketello читают маркетологи из крутых компаний