Was ist Python Numpy Array?
NumPy-Arrays sind ein bisschen wie Python-Listen, aber gleichzeitig sehr unterschiedlich. Lassen Sie uns für diejenigen unter Ihnen, die mit dem Thema noch nicht vertraut sind, klarstellen, was es genau ist und wozu es gut ist.
Wie der Name schon verrät, ist ein NumPy-Array eine zentrale Datenstruktur der Numpy-Bibliothek. Der Name der Bibliothek steht eigentlich für "Numeric Python" oder "Numerical Python".
Erstellen Sie ein NumPy-Array
Der einfachste Weg, ein Array in Numpy zu erstellen, ist die Verwendung von Python List
myPythonList = [1,9,8,3]
So konvertieren Sie die Python-Liste mithilfe des Objekts np.array in ein Numpy-Array.
numpy_array_from_list = np.array (myPythonList)
Anzeigen des Inhalts der Liste
numpy_array_from_list
Ausgabe
array([1, 9, 8, 3])
In der Praxis muss keine Python-Liste deklariert werden. Die Operation kann kombiniert werden.
a = np.array([1,9,8,3])
HINWEIS : Numpy Dokumentation Staaten von np.ndarray ein Array zu erstellen. Dies ist jedoch die empfohlene Methode
Sie können auch ein Numpy-Array aus einem Tupel erstellen
Mathematische Operationen auf einem Array
Sie können mathematische Operationen wie Additionen, Subtraktionen, Divisionen und Multiplikationen für ein Array ausführen. Die Syntax ist der Arrayname, gefolgt von der Operation (+ .-, *, /) gefolgt vom Operanden
Beispiel:
numpy_array_from_list + 10
Ausgabe:
array([11, 19, 18, 13])
Diese Operation addiert 10 zu jedem Element des Numpy-Arrays.
Form des Arrays
Sie können die Form des Arrays anhand der Objektform überprüfen, der der Name des Arrays vorangestellt ist. Auf die gleiche Weise können Sie den Typ mit dtypes überprüfen.
import numpy as npa = np.array([1,2,3])print(a.shape)print(a.dtype)(3,)int64
Eine Ganzzahl ist ein Wert ohne Dezimalstelle. Wenn Sie ein Array mit Dezimalzahl erstellen, ändert sich der Typ in float.
#### Different typeb = np.array([1.1,2.0,3.2])print(b.dtype)float64
2 Dimensionsarray
Sie können eine Dimension mit einem "," -Koma hinzufügen
Beachten Sie, dass es sich in der Klammer befinden muss []
### 2 dimensionc = np.array([(1,2,3),(4,5,6)])print(c.shape)(2, 3)
3 Dimensionsarray
Eine höhere Dimension kann wie folgt konstruiert werden:
### 3 dimensiond = np.array([[[1, 2,3],[4, 5, 6]],[[7, 8,9],[10, 11, 12]]])print(d.shape)(2, 2, 3)
Zusammenfassung
Nachfolgend finden Sie eine Zusammenfassung der wesentlichen Funktionen, die mit NumPy verwendet werden.
| Zielsetzung | Code |
|---|---|
| Array erstellen | Array ([1,2,3]) |
| Drucken Sie die Form | Array ([.]). Form |