กวดวิชาNumPy

NumPy HOME แนะนำ NumPy NumPy เริ่มต้นใช้งาน NumPy การสร้างอาร์เรย์ การจัดทำดัชนี NumPy Array NumPy Array Slicing ประเภทข้อมูล NumPy NumPy Copy เทียบกับ View NumPy Array Shape การปรับรูปร่าง NumPy Array NumPy Array Iterating NumPy Array เข้าร่วม NumPy Array Split ค้นหาอาร์เรย์ NumPy NumPy Array Sort ตัวกรองอาร์เรย์ NumPy

NumPyสุ่ม

สุ่มอินโทร การกระจายข้อมูล การเรียงสับเปลี่ยนแบบสุ่ม โมดูล Seaborn การกระจายแบบปกติ การกระจายทวินาม จำหน่ายปลา กระจายสม่ำเสมอ การกระจายโลจิสติกส์ การกระจายพหุนาม การกระจายแบบเอกซ์โพเนนเชียล จิสแควร์ ดิสทริบิวชั่น การกระจาย Rayleigh พาเรโต้ ดิสทริบิวชั่น การกระจาย Zipf

NumPy ufunc

ufunc Intro ufunc สร้างฟังก์ชัน ufunc เลขคณิตอย่างง่าย ufunc การปัดเศษทศนิยม ufunc บันทึก ufunc ผลรวม ufunc ผลิตภัณฑ์ ufunc ความแตกต่าง ufunc ค้นหา LCM ufunc กำลังหา GCD ufunc ตรีโกณมิติ ufunc ไฮเปอร์โบลิก ufunc Set Operations

แบบทดสอบ/แบบฝึกหัด

แบบทดสอบ NumPy แบบฝึกหัด NumPy

ผลิตภัณฑ์ NumPy


สินค้า

หากต้องการค้นหาผลคูณขององค์ประกอบในอาร์เรย์ ให้ใช้ prod()ฟังก์ชัน

ตัวอย่าง

ค้นหาผลคูณขององค์ประกอบของอาร์เรย์นี้:

import numpy as np

arr = np.array([1, 2, 3, 4])

x = np.prod(arr)

print(x)

ผลตอบแทน: 24เพราะ 1*2*3*4 = 24

ตัวอย่าง

ค้นหาผลคูณขององค์ประกอบของสองอาร์เรย์:

import numpy as np

arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([5, 6, 7, 8])

x = np.prod([arr1, arr2])

print(x)

ผลตอบแทน: 40320เพราะ 1*2*3*4*5*6*7*8 = 40320


สินค้าเหนือแกน

หากคุณระบุaxis=1NumPy จะส่งคืนผลิตภัณฑ์ของแต่ละอาร์เรย์

ตัวอย่าง

ทำการบวกในอาร์เรย์ต่อไปนี้บนแกนที่ 1:

import numpy as np

arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([5, 6, 7, 8])

newarr = np.prod([arr1, arr2], axis=1)

print(newarr)

ผลตอบแทน: [24 1680]


สินค้าสะสม

สินค้าสะสม หมายถึง การนำสินค้าไปบางส่วน

เช่น ผลคูณบางส่วนของ [1, 2, 3, 4] คือ [1, 1*2, 1*2*3, 1*2*3*4] = [1, 2, 6, 24]

ทำผลรวมบางส่วนด้วยcumprod()ฟังก์ชัน

ตัวอย่าง

นำผลคูณสะสมขององค์ประกอบทั้งหมดสำหรับอาร์เรย์ต่อไปนี้:

import numpy as np

arr = np.array([5, 6, 7, 8])

newarr = np.cumprod(arr)

print(newarr)

ผลตอบแทน: [5 30 210 1680]