NumPy-esitys

luodaksemme NumPy ndarray-objektin

NumPy käsittelee taulukoita. NumPy-taulukkoja kutsutaan ndarray.

Voimme käyttää array() Funktio luo NumPy-taulukon ndarray objekti.

Esimerkki

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

Suorita esimerkki

type(): Tämä sisäänrakennettu Python-funktio kertoo sille annetun objektin tyyppis arr on numpy.ndarray tyyppiä.

luodaksemme ndarray, ja voimme antaa sille listan, tuplen tai minkä tahansa vastaavan taulukon objektin array() menetelmä, sitten se muunnetaan ndarray:

Esimerkki

Luo NumPy-taulukko tuplella:

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

Suorita esimerkki

Taulukon ulottuvuudet

Taulukon ulottuvuudet ovat tason taso, joka vastaa taulukon syvyyttä (sisennetty taulukko).

Sisennetty taulukko:Viittaa siihen, että taulukko on elementteinään taulukko.

0-ulotteinen taulukko

0-ulotteinen taulukko tai skalaari (Scalars) on taulukon elementti. Jokainen arvo taulukossa on 0-ulotteinen taulukko.

Esimerkki

Luo 0-ulotteinen taulukko arvolla 61:

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

Suorita esimerkki

1-ulotteinen taulukko

Sen elementit ovat 0-ulotteisten taulukkojen taulukkoa, jota kutsutaan yhden ulottuvuuden tai 1-ulotteiseksi taulukoksi.

Tämä on yleisimmin käytetty ja perustava taulukko.

Esimerkki

Luo 1-ulotteinen taulukko, joka sisältää arvot 1, 2, 3, 4, 5, 6:

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

Suorita esimerkki

2-ulotteinen taulukko

Sen elementit ovat 1-ulotteisten taulukkojen taulukkoa, jota kutsutaan 2-ulotteiseksi taulukoksi.

Ne käytetään yleensä matriisien tai toisen asteen tensien edustamiseen.

NumPy:ssä on erityinen alamoduuli, joka käsittelee matriisilaskentoja numpy.mat.

Esimerkki

Luo 2-ulotteinen taulukko, joka sisältää arvot 1, 2, 3 ja 4, 5, 6:

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

Suorita esimerkki

3-ulotteinen taulukko

Sen elementit ovat 2-ulotteisten taulukkojen taulukkoa, jota kutsutaan 3-ulotteiseksi taulukoksi.

Esimerkki

Luo 3-ulotteinen taulukko kahdella 2-ulotteisella taulukolla, joissa on arvot 1, 2, 3 ja 4, 5, 6:

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

Suorita esimerkki

Tarkista ulottuvuudet?

NumPy-taulukot tarjoavat ndim Ominaisuus, joka palauttaa kokonaisluvun, joka kertoo taulukon ulottuvuuksista.

Esimerkki

Tarkista taulukon mitkä ulottuvuudet se sisältää:

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)

Suorita esimerkki

Korkeammat ulottuvuudet

Taulukolla voi olla minkä tahansa määrän ulottuvuuksia.

Taulukon luonnissa voidaan käyttää ndmin Määritä parametrit ulottuvuuksille.

Esimerkki

Luo 5-ulotteinen taulukko ja varmista, että se omaa 5 ulottuvuutta:

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

Suorita esimerkki

Tässä taulukossa sisimmällä ulottuvuudella (viides dim) on 4 elementtiä, neljännessä ulottuvuudessa on 1 elementti, joka toimii vektorina, kolmannessa ulottuvuudessa on 1 elementti, joka on vektoria oleva matriisi, toisessa ulottuvuudessa on 1 elementti, joka on 3D-taulukko, ja ensimmäisessä ulottuvuudessa on 1 elementti, joka on 4D-taulukko.