مقدمة به NumPy

پیشنهاد دوره:

ماتریس‌های NumPy ndarray ایجاد کنید روش، سپس آن به.

NumPy برای پردازش ماتریس‌ها استفاده کنیم. ماتریس‌های شیء در NumPy به عنوان ، می‌توانیم لیست، تورپ یا هر نوع شیء مشابه ماتریس را به ما می‌توانیم از روش، سپس آن به این تابع ایجاد یک ماتریس NumPy

مثال

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

اجرای مثال

print(type(arr)) type(): این تابع داخلی Python نوع شیء را که به آن منتقل شده را می‌گوید. مانند کد بالا، نشان می‌دهد که arr است numpy.ndarray

نوع. روش، سپس آن بهبرای ایجاد ، می‌توانیم لیست، تورپ یا هر نوع شیء مشابه ماتریس را به array() روش، سپس آن بهndarray

مثال

:

import numpy as np 
با استفاده از تورپ (tuple) یک ماتریس NumPy ایجاد کنید:
print(arr)

اجرای مثال

arr = np.array((1, 2, 3, 4, 5))

ابعاد ماتریس

ابعاد ماتریس سطحی از عمق ماتریس‌های توچشده (ماتریس‌های عمیق) است.ماتریس‌های توچشده:

به معنای استفاده از ماتریس به عنوان عنصر یک ماتریس است.

ماتریس 0-D

مثال

ماتریس 0-D یا اسکالار (Scalars)، عناصر ماتریس هستند. هر عدد در ماتریس یک ماتریس 0-D است.

import numpy as np
با استفاده از عدد 61 یک ماتریس 0-D ایجاد کنید:
print(arr)

اجرای مثال

ماتریس 1-D

که عناصر آن‌ها ماتریس‌های 0-D هستند، به آن یک بعد یا 1-D می‌گویند.

این رایج‌ترین و پایه‌ای‌ترین ماتریس است.

مثال

ماتریس 1-D شامل اعداد 1، 2، 3، 4، 5، 6 ایجاد کنید:

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

اجرای مثال

ماتریس 2-D

که عناصر آن‌ها ماتریس‌های 1-D هستند، به آن ماتریس 2-D می‌گویند.

که معمولاً برای نمایش ماتریس یا تانسور دو بعدی استفاده می‌شوند.

NumPy یک زیرمجموعه کامل برای عملیات ماتریس دارد numpy.mat.

مثال

ماتریس 2-D شامل دو مجموعه از اعداد 1، 2، 3 و 4، 5، 6 ایجاد کنید:

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

اجرای مثال

ماتریس 3-D

که عناصر آن‌ها ماتریس‌های 2-D هستند، به آن ماتریس 3-D می‌گویند.

مثال

با استفاده از دو ماتریس 2-D یک ماتریس 3-D ایجاد کنید، این دو ماتریس شامل دو مجموعه از اعداد 1، 2، 3 و 4، 5، 6 هستند:

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

اجرای مثال

بررسی بعد‌ها؟

ماتریس‌های NumPy امکان ارائه ndim ویژگی، که یک عدد صحیح برمی‌گرداند و به ما نشان می‌دهد که ماتریس چند بعد دارد.

مثال

بررسی تعداد ابعاد یک ماتریس:

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)

اجرای مثال

آرایه‌های بعد بالا

آرایه‌ها می‌توانند دارای تعداد نامحدودی از بعد باشند.

در هنگام ایجاد آرایه می‌توان از ndmin تعریف پارامتر بعد.

مثال

یک آرایه با 5 بعد ایجاد کنید و تأیید کنید که دارای 5 بعد است:

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

اجرای مثال

در این آرایه، بزرگترین بعد (dim پنجم) دارای 4 عنصر است، بعد چهارم دارای یک عنصر به عنوان بردار است، بعد سوم دارای یک عنصر است که با بردار یک ماتریس است، بعد دوم دارای یک عنصر است که یک آرایه 3D است، و بعد اول دارای یک عنصر است که یک آرایه 4D است.