NumPy စကားရပ်

创建 NumPy ndarray 对象

NumPy 用于处理数组。 NumPy 中的数组对象称为 ndarray。

我们可以使用 array() 函数创建一个 NumPy ndarray 对象。

အမှတ်အသား

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

အမှတ်အသား အရုပ်

type(): 这个内置的 Python 函数告诉我们传递给它的对象的类型。像上面的代码一样，它表明 arr 是 numpy.ndarray 类型。

要创建 ndarray，我们可以将列表、元组或任何类似数组的对象传递给 array() 方法，然后它将被转换为 ndarray：

အမှတ်အသား

使用元组创建 NumPy 数组：

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

အမှတ်အသား အရုပ်

数组中的维

数组中的维是数组深度（嵌套数组）的一个级别。

嵌套数组：指的是将数组作为元素的数组。

0-D 数组

0-D 数组，或标量（Scalars），是数组中的元素。数组中的每个值都是一个 0-D 数组。

အမှတ်အသား

用值 61 创建 0-D 数组：

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

အမှတ်အသား အရုပ်

1-D 数组

其元素为 0-D 数组的数组，称为一维或 1-D 数组。

这是最常见和基础的数组。

အမှတ်အသား

创建包含值 1、2、3、4、5、6 的 1-D 数组：

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

အမှတ်အသား အရုပ်

2-D 数组

其元素为 1-D 数组的数组，称为 2-D 数组。

它们通常用于表示矩阵或二阶张量。

NumPy 有一个专门用于矩阵运算的完整子模块 numpy.mat。

အမှတ်အသား

创建包含值 1、2、3 和 4、5、6 两个数组的 2-D 数组：

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

အမှတ်အသား အရုပ်

3-D 数组

其元素为 2-D 数组的数组，称为 3-D 数组。

အမှတ်အသား

နှစ်ခုရှိသော 2-D အဖွဲ့အစည်း ကို အသုံးပြု၍ 3-D အဖွဲ့အစည်း တစ်ခု ကို ဖန်တီးပါ။ အရေးယူခြင်း 1 နှင့် 2 တို့ သည် အရေးယူခြင်း 1 နှင့် 2 တို့ ကို ပါဝင်သည်။

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

အမှတ်အသား အရုပ်

စစ်ဆေး ပုံစံတိုင်း ကို:

NumPy အဖွဲ့အစည်း သည် ndim အချက်အလက် တစ်ခု ကို ပြန်လည်ပေးသည်။ အချက်အလက် တစ်ခု သည် အဖွဲ့အစည်း သုံးပုံ ဖြစ်သည်။

အမှတ်အသား

အသုံးချင်သော အဖွဲ့အစည်း သုံးပုံ ကို စစ်ဆေးပါ:

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)

အမှတ်အသား အရုပ်

အချက်အလက် အမြင့်အမြတ်

အချက်အလက် အချိန်ဆုံး အကွက် ပါတယ်

အချက်အလက် တည်ဆောက် အချိန်တွင် အသုံးပြုနိုင် ndmin အချက်အလက် အချက်အရာ

အမှတ်အသား

အစိတ်အစိတ် 5 အကွက် အချက်အလက် တည်ဆောက် ပြီး 5 အကွက် တွင် ရှိကြောင်း သုံးသပ်ပါ

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

အမှတ်အသား အရုပ်

ဒါ ပတ်သတ်သည် အချိန်ဆုံး ကျက်ကြီး အကွက် အစိတ်အစိတ် ပါ 4 အကွက်၊ အစိတ်အစိတ် 4 အကွက် အရွယ် 1 အကွက် အရောင်းချသည် အရွယ် 1 အကွက် အရွယ် 3 အကွက် အရွယ် 1 အကွက် အရွယ် 2 အကွက် အရွယ် 1 အကွက် 3D အချက်အလက် အရွယ် 1 အကွက် အရွယ် 1 အကွက် 4D အချက်အလက် ပါတယ်