عملیات و توابع برای آرایه های چند بعدی در NumPy

NumPy طیف گسترده ای از عملیات و توابع را برای انجام محاسبات و دستکاری های مختلف بر روی آرایه های چند بعدی ارائه می دهد. این قابلیت ها به شما امکان می دهد تا به طور کارآمد با داده های پیچیده در ساختارهای چند بعدی کار کنید.

برخی از عملیات رایج:

• اعمال محاسبات عنصر به عنصر: می توانید از عملگرهای ریاضی مانند +, -, *, / و غیره برای انجام محاسبات بین عناصر هم نوع در آرایه های با ابعاد مشابه استفاده کنید.

import numpy as np

array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])

# جمع عناصر هم نوع در آرایه ها
result = array1 + array2
print(result)  # Output: [5 7 9]

• پخش (Broadcasting): NumPy به طور خودکار آرایه ها را با ابعاد مختلف برای انجام عملیات عنصر به عنصر پخش می کند، به شرطی که ابعاد آنها مطابقت داشته باشند.

import numpy as np

array1 = np.array([1, 2, 3])
array2 = np.array([[4, 5, 6],
                   [7, 8, 9]])

# جمع هر عنصر در array1 با ستون های متناظر در array2
result = array1 + array2
print(result)  # Output: 
# [[5 6 7]
#  [8 9 10]]

• اعمال توابع: می توانید از توابع NumPy مانند np.sin(), np.log(), np.exp() و غیره را به طور مستقیم بر روی آرایه های چند بعدی اعمال کنید. این توابع به طور جداگانه بر روی هر عنصر در آرایه عمل می کنند.

import numpy as np

array3d = np.array([
    [[1, 2, 3], [4, 5, 6]],
    [[7, 8, 9], [10, 11, 12]]
])

# محاسبه لگاریتم هر عنصر در آرایه
log_array = np.log(array3d)
print(log_array)

• کاهش (Reduction): می توانید از توابعی مانند np.sum(), np.mean(), np.max(), np.min() و غیره برای خلاصه سازی مقادیر در آرایه در امتداد محورهای خاص استفاده کنید.

import numpy as np

array3d = np.array([
    [[1, 2, 3], [4, 5, 6]],
    [[7, 8, 9], [10, 11, 12]]
])

# محاسبه مجموع مقادیر در هر سطر
row_sums = np.sum(array3d, axis=1)
print(row_sums)  # Output: [15 27]

# محاسبه حداکثر مقدار در هر ستون
column_maxs = np.max(array3d, axis=0)
print(column_maxs)  # Output: [11  8 12]

توابع دیگر:

• np.einsum(): محاسبات کارآمد برداری و ماتریسی بین آرایه ها با استفاده از انقباض ابعاد
• np.reshape(): تغییر شکل آرایه به ابعاد جدید بدون تغییر محتوا
• np.swapaxes(): جابجایی ابعاد آرایه
• np.transpose(): جابجایی سطرها و ستون های آرایه

نکات:

• برای اطلاعات بیشتر در مورد هر تابع، می توانید از دستور np.help(function_name) در کنسول پایتون استفاده کنید.
• مستندات رسمی NumPy (https://numpy.org/doc/) شامل توضیحات مفصل و مثال های استفاده از تمام توابع NumPy است.
• می توانید از عملیات و توابع آرایه های چند بعدی NumPy در ترکیب با سایر کتابخانه های پایتون مانند pandas, matplotlib و scikit-learn برای تجزیه و تحلیل و مدل سازی داده های پیچیده استفاده کنید.