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. Просмотр атрибутов и методов класса
  2. Поиск индекса элемента в списке
  3. Форматирование данных с помощью pprint
  4. JMESPath в Python
  5. Удаление ключей из словаря
  6. Обезопасьте ввод данных
  7. Метод hash в Python
  8. Сокращение ссылок с pyshorteners
  9. Скрытие вывода данных
  10. Профилирование данных с Pandas.
  11. Безопасные SQL-запросы в Python 3.11
  12. Генераторы по генератору
  13. Функции all() и any() в Python
  14. Цикл for в Python
  15. Экспорт данных в файл.
  16. Pretty-printing JSON в Python
  17. Тип данных TypeVarTuple
  18. Библиотека sh: удобные команды терминала
  19. Форматирование строк в Python
  20. Вызов внешних программ в Python с помощью sh
  21. Форматирование строк в Python
  22. Работа с модулем Calendar
  23. Объединение словарей в Python
  24. Делегирование в Python
  25. Основы слова
  26. Работа с модулем os в Python
  27. Прокачанный трейсинг ошибок
  28. Получение списка кортежей из словаря
  29. OrderedDict — упорядоченный словарь
  30. Работа с итераторами в Python
  31. Секреты Python
  32. Копирование и вставка текста в Python
  33. Генерация UUID в Python
  34. Изменения в обработке логических значений
  35. Расширение операции побитового «и» в Python
  36. Объединение, распаковка и деструктуризация
  37. Экспорт данных с помощью writefile
  38. Методы работы со строками в Python
  39. Установка Home Assistant
  40. Monkey Patching в Python
  41. Функция reduce() из модуля functools
  42. Работа с необработанными строками
  43. Оператор «or» в Python
  44. Создание словаря в Python
  45. Удаление дубликатов с сохранением порядка с помощью dict.fromkeys
  46. Метод __float__ в Python
  47. Библиотека itertools: объединение списков

Marketello читают маркетологи из крутых компаний