要返回 NumPy 中 MaskedArray 資料的檢視，請使用 ma.MaskedArray.view() 方法。a.view() 有兩種不同的用法：a.view(some_dtype) 或 a.view(dtype=some_dtype) 會構建具有不同資料型別的陣列記憶體檢視。這可能會導致記憶體位元組的重新解釋。a.view(ndarray_subclass) 或 a.view(type=ndarray_subclass) 只返回 ndarray_subclass 的一個例項，它檢視相同的陣列。這不會導致記憶體的重新解釋。步驟首先，匯入所需的庫 - import numpy as np import numpy.ma as ma 使用 numpy.array() 方法建立一個包含整數元素的陣列 - arr = np.array([[35, 85], [67, 33]]) print("陣列...", arr) print("陣列型別...", arr.dtype) 獲取… 閱讀更多

要返回指定的對角線，請在 NumPy 中使用 ma.MaskedArray.diagonal() 方法。設定對角線相對於主對角線的偏移量。可以是正數或負數。掩碼陣列是標準 numpy.ndarray 和掩碼的組合。掩碼要麼是 nomask，表示關聯陣列的沒有值無效，要麼是一個布林值陣列，它決定關聯陣列的每個元素的值是否有效。步驟首先，匯入所需的庫 - import numpy as np import numpy.ma as ma 使用 numpy.array() 方法建立一個包含整數元素的陣列 - arr = np.array([[55, 85, 59, ... 閱讀更多

scipy.interpolate 包的 interp1d() 函式用於插值一維函式。它採用諸如 x 和 y 的值陣列來逼近某個函式 y = f(x)，然後使用插值來查詢新點的值。語法 scipy.interpolate.interp1d(x, y) 其中 x 是一個一維實數值陣列，y 是一個 N 維實數值陣列。y 沿插值軸的長度必須等於 x 的長度。示例 1讓我們考慮以下示例 - # 匯入所需的庫 import matplotlib.pyplot as plt import numpy as np from scipy import interpolate # ... 閱讀更多

scipy.linalg 包的 tanm() 函式用於計算輸入矩陣的正切值。此例程使用 expm 來計算矩陣指數。語法 scipy.linalg.tanm(x) 其中 x 是輸入陣列或方陣。它返回 x 的矩陣正切值。示例 1讓我們考慮以下示例 - # 匯入所需的庫 from scipy import linalg import numpy as np # 定義輸入陣列 x = np.array([[69 , 12] , [94 , 28]]) print("輸入陣列: ", x) # 計算正切 a = linalg.tanm(x) # 顯示矩陣的正切 print("X 的正切: ", a) 輸出它將… 閱讀更多

scipy.linalg 包的 cosm() 函式用於計算輸入矩陣的餘弦值。此例程使用 expm 來計算矩陣指數。語法 scipy.linalg.cosm(x) 其中 x 是輸入陣列。示例 1讓我們考慮以下示例 - # 匯入所需的庫 from scipy import linalg import numpy as np # 定義輸入陣列 q = np.array([[121 , 10] , [77 , 36]]) print("陣列輸入 :", q) # 計算餘弦 r = linalg.cosm(q) # 顯示矩陣的餘弦 print("Q 的餘弦: ", r) 輸出上述程式將生成以下輸出 - 陣列輸入 :… 閱讀更多

sinm() 函式 scipy.linalg 包用於計算輸入矩陣的正弦值。此例程使用 expm 來計算矩陣指數。語法 scipy.linalg.sinm(x) 其中 x 是輸入陣列。示例 1讓我們考慮以下示例 - # 匯入所需的庫 from scipy from scipy import linalg import numpy as np # 定義輸入陣列 X = np.array([[110, 12], [79, 23]]) print("輸入矩陣, X:", X) # 計算矩陣的正弦 n = linalg.sinm(X) # 顯示正弦 print("X 的正弦: ", n) 輸出它將生成以下輸出 - 輸入矩陣, X: [[110 12] ... 閱讀更多

scipy.linalg 包的 expm() 函式使用 Padé 近似來計算矩陣指數。Padé 近似是用給定階數的有理函式對函式進行“最佳”逼近。在這種技術下，近似的冪級數與它逼近的函式的冪級數一致。語法 scipy.linalg.expm(x) 其中 x 是要進行指數化的輸入矩陣。示例 1讓我們考慮以下示例 - # 匯入所需的庫 from scipy import linalg import numpy as np # 定義輸入陣列 e = np.array([[100 , 5] , [78 , 36]]) print("輸入陣列 :", e) # 計算 ... 閱讀更多

要將繪圖儲存為 RGB 格式的 NumPy 陣列，我們可以採取以下步驟 - 使用 numpy 建立 r、g 和 b 隨機陣列。將 r、g 和 b（來自步驟 1）壓縮成 rgb 元組列表。將 rgb 轉換為 NumPy 陣列以繪製它。繪製 rgb 格式的 NumPy 陣列。將圖形儲存到當前位置。要顯示圖形，請使用 show() 方法。示例 import numpy as np from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True r = np.random.rand(100) g = np.random.rand(100) b = np.random.rand(100) rgb = zip(r, g, b) arr = np.array([item for item in rgb]) plt.plot(arr) plt.savefig("myplot.png") ... 閱讀更多

在這個程式中，我們將找到存在給定數字倍數的索引位置。我們將為此任務同時使用 Numpy 和 Pandas 庫。演算法步驟 1：定義一個 Pandas 系列。步驟 2：從使用者處輸入一個數字 n。步驟 3：使用 numpy 庫中的 argwhere() 函式從系列中查詢該數字的倍數。示例程式碼 import numpy as np listnum = np.arange(1, 20) multiples = [] print("NumList:", listnum) n = int(input("輸入要查詢倍數的數字: ")) for num in listnum:    if num % n == ... 閱讀更多

這是一個簡單的程式，我們需要反轉一個 numpy 陣列。我們將為此使用 numpy.flip() 函式。演算法步驟 1：匯入 numpy。步驟 2：使用 numpy.array() 定義一個 numpy 陣列。步驟 3：使用 numpy.flip() 函式反轉陣列。步驟 4：列印陣列。示例程式碼 import numpy as np arr = np.array([10,20,30,40,50]) print("原始陣列: ", arr) arr_reversed = np.flip(arr) print("反轉後的陣列: ", arr_reversed) 輸出原始陣列: [10 20 30 40 50] 反轉後的陣列: [50 40 30 20 10]