Τι είναι το Python Numpy Array;
Οι συστοιχίες NumPy μοιάζουν λίγο με τις λίστες Python, αλλά εξακολουθούν να είναι πολύ διαφορετικές ταυτόχρονα. Για όσους από εσάς είστε νέοι στο θέμα, ας διευκρινίσουμε τι είναι ακριβώς και τι είναι καλό.
Όπως το όνομα δίνει, ένας πίνακας NumPy είναι μια κεντρική δομή δεδομένων της βιβλιοθήκης Numpy. Το όνομα της βιβλιοθήκης είναι στην πραγματικότητα συντομότερο για "Numeric Python" ή "Numerical Python".
Δημιουργήστε μια σειρά NumPy
Ο απλούστερος τρόπος για να δημιουργήσετε έναν πίνακα στο Numpy είναι να χρησιμοποιήσετε τη λίστα Python
myPythonList = [1,9,8,3]
Για να μετατρέψετε τη λίστα python σε μια συστοιχία numpy χρησιμοποιώντας το αντικείμενο np.array.
numpy_array_from_list = np.array (myPythonList)
Για να εμφανίσετε τα περιεχόμενα της λίστας
numpy_array_from_list
Παραγωγή
array([1, 9, 8, 3])
Στην πράξη, δεν χρειάζεται να δηλώσετε μια λίστα Python. Η λειτουργία μπορεί να συνδυαστεί.
a = np.array([1,9,8,3])
ΣΗΜΕΙΩΣΗ : Η τεκμηρίωση Numpy δηλώνει τη χρήση του np.ndarray για τη δημιουργία ενός πίνακα. Ωστόσο, αυτή είναι η προτεινόμενη μέθοδος
Μπορείτε επίσης να δημιουργήσετε έναν εύθραυστο πίνακα από ένα Tuple
Μαθηματικές λειτουργίες σε μια σειρά
Θα μπορούσατε να εκτελέσετε μαθηματικές λειτουργίες όπως προσθήκες, αφαίρεση, διαίρεση και πολλαπλασιασμό σε έναν πίνακα. Η σύνταξη είναι το όνομα του πίνακα που ακολουθείται από τη λειτουργία (+ .-, *, /) και ακολουθεί ο τελεστής
Παράδειγμα:
numpy_array_from_list + 10
Παραγωγή:
array([11, 19, 18, 13])
Αυτή η λειτουργία προσθέτει 10 σε κάθε στοιχείο της συστοιχίας numpy.
Σχήμα της σειράς
Μπορείτε να ελέγξετε το σχήμα του πίνακα με το σχήμα αντικειμένου που προηγείται του ονόματος του πίνακα. Με τον ίδιο τρόπο, μπορείτε να ελέγξετε τον τύπο με dtypes.
import numpy as npa = np.array([1,2,3])print(a.shape)print(a.dtype)(3,)int64
Ένας ακέραιος είναι μια τιμή χωρίς δεκαδικό. Εάν δημιουργήσετε έναν πίνακα με δεκαδικό, τότε ο τύπος θα αλλάξει σε float.
#### Different typeb = np.array([1.1,2.0,3.2])print(b.dtype)float64
Διάταξη 2 διαστάσεων
Μπορείτε να προσθέσετε μια ιδιότητα με κόμμα ","
Σημειώστε ότι πρέπει να βρίσκεται εντός της αγκύλης []
### 2 dimensionc = np.array([(1,2,3),(4,5,6)])print(c.shape)(2, 3)
Διάταξη 3 διαστάσεων
Η υψηλότερη διάσταση μπορεί να κατασκευαστεί ως εξής:
### 3 dimensiond = np.array([[[1, 2,3],[4, 5, 6]],[[7, 8,9],[10, 11, 12]]])print(d.shape)(2, 2, 3)
Περίληψη
Παρακάτω, μια σύνοψη των βασικών λειτουργιών που χρησιμοποιούνται με το NumPy.
| Σκοπός | Κώδικας |
|---|---|
| Δημιουργία πίνακα | πίνακας ([1,2,3]) |
| εκτυπώστε το σχήμα | πίνακας ([.]). σχήμα |