วิธีแมปฟังก์ชันกับอาร์เรย์ numpy (พร้อมตัวอย่าง)

คุณสามารถใช้ไวยากรณ์พื้นฐานต่อไปนี้เพื่อแมปฟังก์ชันกับอาร์เรย์ NumPy:

 #define function
my_function = lambda x: x*5

#map function to every element in NumPy array
my_function(my_array)

ตัวอย่างต่อไปนี้แสดงวิธีใช้ไวยากรณ์นี้ในทางปฏิบัติ

ตัวอย่างที่ 1: ฟังก์ชันการจับคู่กับอาร์เรย์ NumPy หนึ่งมิติ

รหัสต่อไปนี้แสดงวิธีการแมปฟังก์ชันกับอาร์เรย์ NumPy ที่คูณแต่ละค่าด้วย 2 แล้วบวก 5:

 import numpy as np

#create NumPy array
data = np. array ([1, 3, 4, 4, 7, 8, 13, 15])

#define function
my_function = lambda x: x*2+5

#apply function to NumPy array
my_function(data)

array([ 7, 11, 13, 13, 19, 21, 31, 35])

ต่อไปนี้คือวิธีคำนวณแต่ละค่าในตารางใหม่:

• ค่าแรก: 1*2+5 = 7
• ค่าที่สอง: 3*2+5 = 11
• ค่าที่สาม: 4*2+5 = 13

และอื่นๆ

ตัวอย่างที่ 2: ฟังก์ชันการจับคู่กับอาร์เรย์ NumPy หลายมิติ

รหัสต่อไปนี้แสดงวิธีการแมปฟังก์ชันกับอาร์เรย์ NumPy หลายมิติที่คูณแต่ละค่าด้วย 2 แล้วบวก 5:

 import numpy as np

#create NumPy array
data = np. array ([[1, 2, 3, 4], [5, 6, 7, 8]])

#view NumPy array
print (data)

[[1 2 3 4]
 [5 6 7 8]]

#define function
my_function = lambda x: x*2+5

#apply function to NumPy array
my_function(data)

array([[ 7, 9, 11, 13],
       [15, 17, 19, 21]])

โปรดทราบว่าไวยากรณ์นี้ใช้งานได้ดีกับอาเรย์หลายมิติเช่นเดียวกับอาเรย์หนึ่งมิติ

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการทั่วไปอื่น ๆ ใน NumPy:

วิธีเพิ่มคอลัมน์ในอาร์เรย์ NumPy
วิธีแปลงอาร์เรย์ NumPy เป็นรายการใน Python
วิธีส่งออกอาร์เรย์ NumPy ไปยังไฟล์ CSV