เพื่อปัดเศษเป็นจำนวนเต็มใกล้เคียงไปทางศูนย์ (towards zero) ให้ใช้ numpy.fix() ใน NumPy เมธอดนี้ปัดอาร์เรย์ float ทีละองค์ประกอบ ค่าที่ปัดแล้วคืนเป็น float พารามิเตอร์สำคัญ x: อาร์เรย์ float ที่ต้องการปัด out (ไม่บังคับ): ตำแหน่งเก็บผลลัพธ์ ต้อง broadcast ได้ หากไม่ระบุ สร้างอาร์เรย์ใหม่ ขั้น

เพื่อคืนค่าอาร์เรย์ที่มีจำนวนครั้งที่ซับสตริง (substring) ปรากฏแบบไม่ทับซ้อน (non-overlapping) ให้ใช้ numpy.char.count() ใน NumPy โมดูล numpy.char ให้การดำเนินการสตริงแบบเวกเตอร์ไรซ์สำหรับอาร์เรย์ชนิด numpy.str_ ขั้นตอนการใช้งาน import numpy as np สร้างอาร์เรย์สตริง 1 มิติ arr = np.array([kATIE, J

เพื่อดูขีดจำกัดของเครื่อง (machine limits) สำหรับชนิดข้อมูล float ให้ใช้ numpy.finfo() ใน NumPy พารามิเตอร์แรกคือชนิด float ที่ต้องการข้อมูล ขั้นตอนการใช้งาน import numpy as np ตรวจสอบค่าต่ำสุดและสูงสุดของ float ต่างๆ # float16 a = np.finfo(np.float16(12.5)) print(Minimum of float16 type...\n, a.m

เพื่อคำนวณโคไซน์ไฮเปอร์โบลิก (Hyperbolic cosine) ขององค์ประกอบอาร์เรย์ ให้ใช้เมธอด numpy.cosh() ใน NumPy เมธอดนี้เทียบเท่ากับ 1/2 * (np.exp(x) + np.exp(-x)) และ np.cos(1j*x) คืนค่าโคไซน์ไฮเปอร์โบลิกที่ตรงกัน เป็นสเกลาร์หาก x เป็นสเกลาร์ พารามิเตอร์สำคัญ x: อาร์เรย์อินพุต out (ไม่บังคับ): ตำแหน

เพื่อคำนวณผลรวมสะสม (cumulative sum) ขององค์ประกอบอาร์เรย์ตามแกนที่กำหนด โดยถือค่า NaN ว่าเป็นศูนย์ ให้ใช้เมธอด numpy.nancumsum() ผลรวมสะสมจะไม่เปลี่ยนแปลงเมื่อเจอ NaN และ NaN นำหน้าจะถูกแทนที่ด้วยศูนย์ สไลด์ที่เป็น NaN ทั้งหมดหรือว่างเปล่าจะคืนค่าศูนย์ พารามิเตอร์สำคัญ a (พารามิเตอร์แรก): อาร์เ

เมธอด numpy.min_scalar_type() ใช้หาชนิดข้อมูล (data type) ขั้นต่ำที่สามารถเก็บค่าสเกลาร์ที่กำหนดได้ สำหรับค่าสเกลาร์ จะคืนชนิดข้อมูลที่มีขนาดเล็กที่สุดและชนิดสเกลาร์ที่เล็กที่สุดซึ่งสามารถเก็บค่านั้นได้ สำหรับอาร์เรย์ที่ไม่ใช่สเกลาร์ จะคืน dtype ของเวกเตอร์เดิม ค่าจุดทศนิยมจะไม่ถูกลดระดับเป็นจำนวนเต

เพื่อแปลงอาร์เรย์ของวันที่และเวลา (datetime) เป็นอาร์เรย์ของสตริง ให้ใช้เมธอด numpy.datetime_as_string() ใน NumPy เมธอดนี้คืนค่าอาร์เรย์สตริงที่มีรูปร่างเหมือนอินพุต พารามิเตอร์แรกคืออาร์เรย์ timestamp UTC ที่ต้องการจัดรูปแบบ พารามิเตอร์ unit กำหนดหน่วย datetime เพื่อเปลี่ยนความแม่นยำ (ตัวอย่างใช้หน

เพื่อแปลงอาร์เรย์มุมจากองศาเป็นเรเดียน ให้ใช้เมธอด numpy.deg2rad() ใน NumPy เมธอดนี้คืนค่ามุมที่ตรงกันในหน่วยเรเดียน หาก x เป็นสเกลาร์ ผลลัพธ์ก็จะเป็นสเกลาร์ พารามิเตอร์สำคัญ x (พารามิเตอร์แรก): มุมอินพุตในหน่วยองศา out (พารามิเตอร์ที่สอง - ไม่บังคับ): ตำแหน่งเก็บผลลัพธ์ ต้องมีรูปร่างที่ broad

หากต้องการคำนวณไซน์ไฮเปอร์โบลิก (Hyperbolic sine) ให้ใช้เมธอด numpy.sinh() ในไลบรารี NumPy ของ Python เมธอดนี้เทียบเท่ากับสูตร 1/2 * (np.exp(x) - np.exp(-x)) หรือ -1j * np.sin(1j*x) ผลลัพธ์ที่ได้คือค่าไซน์ไฮเปอร์โบลิกที่ตรงกัน หาก x เป็นสเกลาร์ ผลลัพธ์ก็จะเป็นสเกลาร์เช่นกัน พารามิเตอร์สำคัญ x (พ

เพื่อแปลงอาร์เรย์ของวันที่เวลา (datetime) เป็นอาร์เรย์ของสตริง ให้ใช้เมธอด numpy.datetime_as_string() ใน NumPy เมธอดนี้คืนค่าอาร์เรย์สตริงรูปทรงเดียวกับอาร์เรย์นำเข้า พารามิเตอร์แรกคืออาร์เรย์ timestamps UTC พารามิเตอร์ unit กำหนดความแม่นยำของหน่วยวันที่เวลา ที่นี่ใช้หน่วยชั่วโมง (h) ขั้นตอนตัวอย่า

ฟังก์ชันอาร์คแทนเจนต์ (arctan) เป็นฟังก์ชันหลายค่า: สำหรับ x แต่ละค่า มี z หลายค่าที่ tan(z) = x ข้อตกลงคือคืนค่ามุม z ที่ส่วนจริงอยู่ใน [−π/2, π/2] รู้จักกันในชื่อ atan หรือ tan⁻¹ สำหรับข้อมูลนำเข้าจริง arctan คืนค่าจริงเสมอ ค่าที่ไม่ใช่จริงหรืออนันต์ คืน nan สำหรับข้อมูลซับซ้อน เป็นฟังก์ชันวิเครา

ฟังก์ชันอาร์คแทนเจนต์ (arctan) เป็นฟังก์ชันหลายค่า: สำหรับ x แต่ละค่า มี z หลายค่าที่ทำให้ tan(z) = x อาร์คแทนเจนต์รู้จักกันในชื่อ atan หรือ tan⁻¹ ข้อตกลงคือคืนค่ามุม z ที่ส่วนจริงอยู่ใน [−π/2, π/2] สำหรับข้อมูลนำเข้าแบบจริง (real-valued) arctan จะคืนค่าจริงเสมอ สำหรับค่าที่ไม่สามารถแสดงเป็นจริงหรื

บทนำ เพื่อหาความยาวด้านตรงข้ามมุมฉอป (hypotenuse) ให้ใช้เมธอด numpy.hypot() ใน Python NumPy เมธอดนี้ส่งคืนด้านตรงข้ามมุมฉอปของสามเหลี่ยม (หรือหลายสามเหลี่ยม) นี่คือสเกลาร์หากทั้ง x1 และ x2 เป็นสเกลาร์ เมธอดนี้เทียบเท่ากับ sqrt(x1**2 + x2**2) แบบองค์ประกอบต่อองค์ประกอบ (element-wise) หาก x1 หรือ x2

บทนำ เพื่อแปลงอาร์เรย์ของวันเวลา (datetimes) เป็นอาร์เรย์ของสตริง ให้ใช้เมธอด numpy.datetime_as_string() ใน Python NumPy เมธอดนี้ส่งคืนอาร์เรย์ของสตริงที่มีรูปร่างเหมือนกับอาร์เรย์อินพุท พารามิเตอร์แรกคืออาร์เรย์ของ timestamp UTC ที่จะจัดรูปแบบ พารามิเตอร์ units กำหนดหน่วย datetime เพื่อเปลี่ยนความ

บทนำ เมธอด numpy.can_cast() ส่งคืน True หากการแปลงระหว่างชนิดข้อมูล (data types) สามารถเกิดขึ้นได้ตามกฎการแปลง (casting rule) พารามิเตอร์แรกคือชนิดข้อมูลหรืออาร์เรย์ที่จะแปลงจาก พารามิเตอร์ที่สองคือชนิดข้อมูลที่จะแปลงไป ขั้นตอน ขั้นแรก ให้นำเข้าไลบรารีที่จำเป็น: import numpy as np ใช้ can_cast()

บทนำ เมธอด numpy.can_cast() ส่งคืน True หากสเกลาร์และชนิดข้อมูลสามารถแปลงได้ตามกฎการแปลง (casting rule) พารามิเตอร์แรกคือสเกลาร์หรือชนิดข้อมูลหรืออาร์เรย์ที่จะแปลงจาก พารามิเตอร์ที่สองคือชนิดข้อมูลที่จะแปลงไป ขั้นตอน ขั้นแรก ให้นำเข้าไลบรารีที่จำเป็น: import numpy as np ตรวจสอบว่าสเกลาร์และชนิดข้

บทนำ เพื่อส่งคืนผลรวมสะสม (cumulative sum) ขององค์ประกอบอาร์เรย์ตามแกนที่กำหนด โดยถือ NaN เป็นศูนย์ ให้ใช้เมธอด numpy.nancumsum() ผลรวมสะสมไม่เปลี่ยนแปลงเมื่อเจอ NaN และ NaN นำหน้าจะถูกแทนที่ด้วยศูนย์ ส่งคืนศูนย์สำหรับสไลด์ที่เป็น NaN ทั้งหมดหรือว่างเปล่า พารามิเตอร์แรกคืออาร์เรย์อินพุท พารามิเตอร์

บทนำ เพื่อคำนวณความต่างแบบ discrete n-th ให้ใช้เมธอด numpy.diff() ความต่างครั้งแรกกำหนดโดย out[i] = a[i+1] - a[i] ตามแกนที่กำหนด ความต่างระดับสูงกว่าคำนวณโดยใช้ diff แบบเรียกซ้ำ (recursively) เมธอด diff() ส่งคืนความต่าง n-th รูปร่างของเอาต์พุทเหมือนกับ a เว้นแต่ตามแกนที่มิติเล็กลง n ชนิดของเอาต์พุท

บทนำ ฟังก์ชัน arctanh เป็นฟังก์ชันหลายค่า (multivalued): สำหรับแต่ละ x จะมีจำนวน z หลายพันหลายหมื่นที่ทำให้ tanh(z) = x แนวปฏิบัติคือส่งคืน z ที่ส่วนจินตภาพอยู่ใน [-π/2, π/2] อาร์คแทนเจนต์ไฮเปอร์โบลิกยังเรียกอีกอย่างว่า atanh หรือ tanh⁻¹ เพื่อคำนวณอาร์คแทนเจนต์ไฮเปอร์โบลิกขององค์ประกอบอาร์เรย์ ให้ใ

บทนำ เพื่อสร้างเมทริกซ์แวนเดอร์มอนด์ (Vandermonde matrix) ของพหุนามเชบิเชฟ (Chebyshev polynomial) ให้ใช้ chebyshev.chebvander() ใน Python NumPy เมธอดนี้ส่งคืนเมทริกซ์แวนเดอร์มอนด์ รูปร่างของเมทริกซ์ที่ส่งคืนคือ x.shape + (deg + 1,) โดยดัชนีสุดท้ายคือองศาของพหุนามเชบิเชฟที่สอดคล้อง dtype จะเหมือนกับ