Εισαγωγή στο NumPy

Δημιουργία αντικειμένων NumPy ndarray

Ο NumPy χρησιμοποιείται για την επεξεργασία πινάκων. Ο πίνακας αντικείμενο του NumPy ονομάζεται ndarray.

Μπορούμε να χρησιμοποιήσουμε array() Η συνάρτηση δημιουργεί έναν πίνακα NumPy ndarray αντικείμενο.

Παράδειγμα

import numpy as np 
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))

Εκτέλεση Παραδείγματος

type(): Αυτός ο ενσωματωμένος συντελεστής Python μας λέει τον τύπο του αντικειμένου που του έχει μεταφερθεί. arr είναι numpy.ndarray Τύπο.

να δημιουργήσουμε ndarrayΜπορούμε να μεταφέρουμε μια λίστα, ένα τμήμα ή οποιοδήποτε αντικείμενο που μοιάζει με πίνακα σε array() Μέθοδος, μετά από την οποία θα μετατραπεί σε ndarray:

Παράδειγμα

Δημιουργία πίνακα NumPy χρησιμοποιώντας το τμήμα:

import numpy as np 
arr = np.array((1, 2, 3, 4, 5))
print(arr)

Εκτέλεση Παραδείγματος

Η διάσταση του πίνακα

Η διάσταση του πίνακα είναι ένα επίπεδο του βάθους των ενσωματωμένων πινάκων (ενσωματωμένοι πίνακες).

Ενσωματωμένοι πίνακες:Αναφέρεται στην πίνακα που είναι στοιχεία του πίνακα.

0-D πίνακας

Ο 0-D πίνακας, ή ο ακέραιος (Scalars), είναι το στοιχείο του πίνακα. Κάθε τιμή στο πίνακα είναι ένα 0-D πίνακα.

Παράδειγμα

Δημιουργία ενός 0-D πίνακα χρησιμοποιώντας την τιμή 61.

import numpy as np
arr = np.array(61)
print(arr)

Εκτέλεση Παραδείγματος

1-D πίνακας

Οι στοιχεία του είναι πίνακες 0-D, οι οποίοι ονομάζονται μονοδιάστατοι ή 1-D πίνακες.

Αυτό είναι το πιο συχνό και βασικό πίνακας.

Παράδειγμα

Δημιουργία ενός 1-D πίνακα που περιέχει τις τιμές 1, 2, 3, 4, 5, 6.

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6])
print(arr)

Εκτέλεση Παραδείγματος

2-D πίνακας

Οι στοιχεία του είναι πίνακες 1-D, οι οποίοι ονομάζονται 2-D πίνακες.

Χρησιμοποιούνται συνήθως για την εκπροσώπηση των πινάκων ή των δευτεροβάθμιων τενσόρων.

Ο NumPy έχει έναν πλήρη υπομονάδα για τις υπολογισμούς της μορφής του πίνακα. numpy.mat.

Παράδειγμα

Δημιουργία ενός 2-D πίνακα που περιέχει τις τιμές 1, 2, 3 και 4, 5, 6.

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)

Εκτέλεση Παραδείγματος

3-D πίνακας

Οι στοιχεία του είναι πίνακες 2-D, οι οποίοι ονομάζονται 3-D πίνακες.

Παράδειγμα

Δημιουργία ενός 3-D πίνακα χρησιμοποιώντας δύο 2-D πίνακες, οι οποίοι περιέχουν τις τιμές 1, 2, 3 και 4, 5, 6.

import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)

Εκτέλεση Παραδείγματος

Έλεγχος των διαστάσεων;

Ο πίνακας NumPy παρέχει ndim Αξία, η οποία επιστρέφει έναν αριθμό και μας λέει πόσες διαστάσεις έχει ο πίνακας.

Παράδειγμα

Έλεγχος των διαστάσεων του πίνακα:

import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim) 
print(b.ndim) 
print(c.ndim) 
print(d.ndim)

Εκτέλεση Παραδείγματος

Πίνακες Υψηλότερης Διάστασης

Ο πίνακας μπορεί να έχει οποιοδήποτε αριθμό διαστάσεων.

Κατά τη δημιουργία πίνακα μπορεί να χρησιμοποιηθεί ndmin Ορισμός Παραμέτρων Διαστάσεων.

Παράδειγμα

Δημιουργία ενός πίνακα με 5 διαστάσεις και επαλήθευση ότι έχει 5 διαστάσεις:

import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)

Εκτέλεση Παραδείγματος

Σε αυτή την ακολουθία, η πιο εσωτερική διάσταση (η 5η dim) έχει 4 στοιχεία, η 4η dim έχει 1 στοιχείο ως πίνακα, η 3η dim έχει 1 στοιχείο που είναι πίνακας με την πίνακα, η 2η dim έχει 1 στοιχείο που είναι τρισδιάστατος πίνακας, ενώ η 1η dim έχει 1 στοιχείο που είναι πίνακας 4Δ.