NumPy introduktion

att skapa NumPy ndarray-objekt

NumPy används för att hantera arrayer. Arrayobjekt i NumPy kallas ndarray.

Vi kan använda array() Funktionen skapar en NumPy ndarray objekt.

Exempel

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

Kör Exempel

type(): Denna inbyggda Python-funktion talar om typen på det objekt som skickas till den. Som i ovanstående kod indikerar arr är numpy.ndarray typ.

att skapa ndarrayVi kan passera listor, tupler eller andra objekt som liknar arrayer till array() Metod, och den kommer att konverteras till ndarray:

Exempel

Skapa en NumPy-array med hjälp av en tupel:

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

Kör Exempel

Dimensionerna i arrayen

Dimensionerna i arrayen är en nivå i arraydjupet (nedsänkta arrayer).

Nedsänkt array:Betyder att arrayen används som element i en array.

0-D-array

0-D-array, eller skalärer (Scalars), är elementen i arrayen. Varje värde i arrayen är en 0-D-array.

Exempel

Skapa en 0-D-array med värdet 61:

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

Kör Exempel

1-D-array

Deras element är arrayer av 0-D-arrayer, kallade endimensionella eller 1-D-arrayer.

Detta är den mest vanliga och grundläggande arrayen.

Exempel

Skapa en 1-D-array som innehåller värdena 1, 2, 3, 4, 5, 6:

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

Kör Exempel

2-D-array

Deras element är arrayer av 1-D-arrayer, kallade 2-D-arrayer.

De används vanligtvis för att representera matriser eller andradimensionella tensorer.

NumPy har en hel undermodul för matrisberäkningar numpy.mat.

Exempel

Skapa en 2-D-array som innehåller värdena 1, 2, 3 och 4, 5, 6:

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

Kör Exempel

3-D-array

Deras element är arrayer av 2-D-arrayer, kallade 3-D-arrayer.

Exempel

Skapa en 3-dimensionell array med hjälp av två 2-D-arrayer, där båda innehåller värdena 1, 2, 3 och 4, 5, 6:

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

Kör Exempel

Kontrollera dimensionerna?

NumPy-array erbjuder ndim Egenskap, som returnerar ett heltal som visar hur många dimensioner arrayen har.

Exempel

Kontrollera hur många dimensioner som finns i arrayen:

import numpy som 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)

Kör Exempel

Högre dimensioner

Array kan ha ett obegränsat antal dimensioner.

När du skapar en array kan du använda ndmin Parameter definierar dimensioner.

Exempel

Skapa en array med 5 dimensioner och verifiera att den har 5 dimensioner:

import numpy som np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('antal dimensioner:', arr.ndim)

Kör Exempel

I denna array, den närmaste dimensionen (den 5:e dim) har 4 element, den 4:e dim har 1 element som en vektor, den 3:e dim har 1 element som en matris med vektorer, den 2:e dim har 1 element som en 3D-array, och den 1:e dim har 1 element som en 4D-array.