Pada artikel ini saya ingin berbicara tentang beberapa fungsi Numpy yang saya gunakan untuk menganalisis data setiap saat. Ini bukan daftar lengkap, tapi saya pikir alat yang akan dibahas akan bermanfaat bagi semua orang, tanpa kecuali.

Dihadapkan dengan tugas baru, saya berpikir berulang-ulang: "Ini adalah hal yang agak spesifik, hampir tidak ada fungsi bawaan untuk itu." Dalam kasus Numpy, lebih sering saya salah daripada benar.

Tapi mari kita langsung ke intinya. Satu-satunya jalur impor yang kami butuhkan:

dimana ()

Fungsi where () akan mengembalikan elemen yang memenuhi kondisi tertentu. Mari kita lihat sebuah contoh.

Buat daftar peringkat ( sewenang-wenang ):

Sekarang Anda dapat menggunakan where () untuk menemukan taksiran yang lebih besar, katakanlah, dari 3:

Harap dicatat bahwa indeks barang yang dicari dikembalikan.

Tapi ini, tentu saja, tidak semua, fungsinya dapat mengambil dua parameter opsional:

• yang pertama akan menggantikan nilai-nilai yang memenuhi kondisi tersebut
• yang kedua akan melakukan ini untuk nilai-nilai yang tidak memenuhi kondisi tersebut

Karena artikel ini dimaksudkan untuk singkat, kami akan membahasnya.

argmin (), argmax (), argsort ()

Fungsi argmin () mengembalikan indeks dari nilai minimum. Untuk susunan peringkat yang sama dengan yang kami gunakan di atas, hasilnya adalah:

argmax () , seperti yang mungkin Anda tebak, melakukan hal yang sebaliknya - mengembalikan indeks elemen maksimum:

Yang terakhir dari trinity argsort () akan mengembalikan daftar indeks elemen yang diurutkan dari array. Jangan lupakan itu: Anda akan menghadapi sejumlah besar situasi ketika Anda membutuhkannya.

intersect1d ()

Fungsi intersect1d () akan mengembalikan persimpangan dua array, yaitu elemen unik yang ditemukan di keduanya. Berbeda dengan contoh sebelumnya, ini tidak akan mengembalikan indeks, tetapi nilai sendiri.

Buat dua array:

Temukan elemen umum:

allclose ()

Akhirnya, pertimbangkan fungsi allclose () . Ini akan mengembalikan True jika elemen dari dua array sama dalam toleransi. Sekali lagi, Anda tidak tahu seberapa sering ini diperlukan ketika bekerja dengan data.

Kami akan mendeklarasikan dua array, perbedaan antara elemen yang sesuai yang tidak lebih dari 0,2:

Fungsi allclose () dengan toleransi 0,1 harus mengembalikan False :

Tingkatkan toleransi menjadi 0,2 untuk mendapatkan perkiraan persamaan array:

Kata perpisahan

Jangan menghitung berapa kali saya disalahkan atas penemuan roda. Seringkali kita berpikir bahwa masalah kita itu unik, dan tidak ada yang menduga untuk membuat alat untuk menyelesaikannya. Terkadang ini benar, tetapi sering kali Anda merasa seperti orang idiot terakhir, menemukan fungsi standar yang nyaman alih-alih yang telah Anda habiskan banyak waktu untuk membuatnya.

Lebih baik menghabiskan sedikit waktu ini menjelajahi kemungkinan perpustakaan populer, karena itu berkat mereka bahwa perpustakaan menjadi populer.

Terima kasih sudah membaca.