Introduction à NumPy

Créez un objet ndarray NumPy

NumPy est utilisé pour traiter les arrays. Les objets d'array dans NumPy sont appelés ndarray.

Nous pouvons utiliser array() La fonction crée un NumPy ndarray Objet.

Exemple

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

Exécuter un exemple

type(): Cette fonction intégrée de Python nous dit le type de l'objet passé à son argument. Comme le code ci-dessus, il indique arr est numpy.ndarray Type.

Pour créer ndarrayNous pouvons passer des listes, des tuples ou tout autre objet similaire à l'array : array() Méthode, puis elle sera convertie en ndarray:

Exemple

Créez un array NumPy en utilisant un tuple :

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

Exécuter un exemple

Les dimensions de l'array

Les dimensions de l'array sont un niveau de profondeur (arrays imbriqués).

Array imbriqué :Cela fait référence à l'array en tant qu'élément de l'array.

Array 0-D

L'array 0-D, ou scalaire (Scalars), est un élément de l'array. Chaque valeur dans l'array est un array 0-D.

Exemple

Créez un array 0-D avec la valeur 61 :

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

Exécuter un exemple

Array 1-D

Ses éléments sont des arrays 0-D, appelés array 1-D.

C'est le plus courant et de base.

Exemple

Créez un array 1-D contenant les valeurs 1, 2, 3, 4, 5, 6 :

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

Exécuter un exemple

Array 2-D

Ses éléments sont des arrays 1-D, appelés array 2-D.

Ils sont généralement utilisés pour représenter des matrices ou des tenseurs de deuxième ordre.

NumPy possède un sous-module complet dédié aux opérations matricielles numpy.mat.

Exemple

Créez un array 2-D contenant les valeurs 1, 2, 3 et 4, 5, 6 :

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

Exécuter un exemple

Array 3-D

Ses éléments sont des arrays 2-D, appelés array 3-D.

Exemple

Créez un array 3-D à l'aide de deux arrays 2-D, ces deux arrays contiennent respectivement les valeurs 1, 2, 3 et 4, 5, 6 :

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

Exécuter un exemple

Vérifiez le nombre de dimensions ?

NumPy array fournit ndim L'attribut, qui renvoie un entier, nous indique combien d'dimensions l'array a.

Exemple

Vérifiez le nombre de dimensions de l'array :

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)

Exécuter un exemple

Tableaux de dimensions plus élevées

Les tableaux peuvent avoir un nombre quelconque de dimensions.

Lors de la création d'un tableau, on peut utiliser ndmin Définition des paramètres de dimension.

Exemple

Créer un tableau à 5 dimensions et vérifier qu'il possède 5 dimensions :

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

Exécuter un exemple

Dans cet tableau, la dimension la plus interne (la cinquième dim) contient 4 éléments, la quatrième dim contient 1 élément en tant que vecteur, la troisième dim contient 1 élément qui est une matrice avec le vecteur, la deuxième dim contient 1 élément qui est un tableau 3D, et la première dim contient 1 élément qui est un tableau 4D.