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 ผลิตภัณฑ์ ufunc ufunc ความแตกต่าง ufunc ค้นหา LCM ufunc กำลังหา GCD ufunc ตรีโกณมิติ ufunc ไฮเปอร์โบลิก ufunc Set Operations

แบบทดสอบ/แบบฝึกหัด

แบบทดสอบ NumPy แบบฝึกหัด NumPy

ผลรวม NumPy


ผลรวม

การรวมและการบวกต่างกันอย่างไร?

การบวกเกิดขึ้นระหว่างสองอาร์กิวเมนต์ ในขณะที่การบวกเกิดขึ้นเหนือองค์ประกอบ n

ตัวอย่าง

เพิ่มค่าใน arr1 ให้กับค่าใน arr2:

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([1, 2, 3])

newarr = np.add(arr1, arr2)

print(newarr)

ผลตอบแทน: [2 4 6]

ตัวอย่าง

รวมค่าใน arr1 และค่าใน arr2:

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([1, 2, 3])

newarr = np.sum([arr1, arr2])

print(newarr)

ผลตอบแทน: 12


ผลรวมเหนือแกน

หากคุณระบุaxis=1NumPy จะรวมตัวเลขในแต่ละอาร์เรย์

ตัวอย่าง

ทำการบวกในอาร์เรย์ต่อไปนี้บนแกนที่ 1:

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([1, 2, 3])

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

print(newarr)

ผลตอบแทน: [6 6]


ผลรวมสะสม

ผลรวมสะสมหมายถึงการเพิ่มองค์ประกอบในอาร์เรย์บางส่วน

เช่น ผลรวมบางส่วนของ [1, 2, 3, 4] จะเป็น [1, 1+2, 1+2+3, 1+2+3+4] = [1, 3, 6, 10]

ทำผลรวมบางส่วนด้วยcumsum()ฟังก์ชัน

ตัวอย่าง

ดำเนินการรวมสะสมในอาร์เรย์ต่อไปนี้:

import numpy as np

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

newarr = np.cumsum(arr)

print(newarr)

ผลตอบแทน: [1 3 6]