NumPy นิยาม

สร้างแบบจำลอง NumPy ndarray:

NumPy ใช้ในการจัดการแบบจำลอง แบบจำลองที่ใช้ใน NumPy รู้จักว่า: ndarray。

สามารถใช้: array() ฟังก์ชันนี้สร้างแบบจำลอง NumPy: ndarray วัตถุ:

ตัวอย่าง

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

ปฏิบัติตัวอย่าง

type(): ฟังก์ชัน Python ภายในตัวเรียกใช้ที่บอกเราประเภทของวัตถุที่ส่งผ่านให้: arr คือ: numpy.ndarray ประเภท:

ที่จะสร้าง: ndarrayสามารถส่งผ่านตัวแปรเช่น list, tuple หรือ วัตถุที่คล้ายแบบจำลองให้: array() วิธีนี้ หลังจากที่เราเรียกใช้มันจะถูกเปลี่ยนเป็น: ndarray:

ตัวอย่าง

สร้างแบบจำลอง NumPy ด้วยการใช้ตัวเลข:

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

ปฏิบัติตัวอย่าง

มิติของแบบจำลอง

มิติของแบบจำลองคือระดับของความลึกของแบบจำลอง (แบบจำลองที่ฝังระดับ):

แบบจำลองที่ฝังระดับ:หมายถึงการใช้แบบจำลองเป็นองค์ประกอบของแบบจำลอง:

แบบจำลอง 0-D

แบบจำลอง 0-D หรือตัวเลข (Scalars) คือองค์ประกอบของแบบจำลอง ซึ่งในแบบจำลองแต่ละตัวเป็นแบบจำลอง 0-D:

ตัวอย่าง

สร้างแบบจำลอง 0-D หรือตัวเลข (Scalars) ซึ่งเป็นองค์ประกอบของแบบจำลอง:

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

ปฏิบัติตัวอย่าง

แบบจำลอง 1-D

องค์ประกอบเป็นแบบจำลอง 0-D ซึ่งเรียกว่าแบบจำลองหนึ่งมิติหรือ 1-D:

นี่เป็นแบบจำลองที่ทั่วไปและธรรมดาที่สุด:

ตัวอย่าง

สร้างแบบจำลอง 1-D ที่มีค่า 1, 2, 3, 4, 5, 6:

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

ปฏิบัติตัวอย่าง

แบบจำลอง 2-D

องค์ประกอบเป็นแบบจำลอง 1-D ซึ่งเรียกว่าแบบจำลอง 2-D:

นั่นทั่วไปและถูกใช้เพื่อแสดงแบบจำลองหรือแบบจำลองของระดับสอง:

NumPy มีสอบเซ็กชันที่มีเนื้อหาเจาะจงสำหรับการทำการทางแบบจำลอง: numpy.mat。

ตัวอย่าง

สร้างแบบจำลอง 2-D ที่มีค่า 1, 2, 3 และ 4, 5, 6 สองแบบ:

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

ปฏิบัติตัวอย่าง

แบบจำลอง 3-D

องค์ประกอบเป็นแบบจำลอง 2-D ซึ่งเรียกว่าแบบจำลอง 3-D:

ตัวอย่าง

สร้างแบบจำลอง 3-D ด้วยการใช้แบบจำลอง 2-D สองแบบ ซึ่งทั้งสองแบบจำลองนี้มีค่า 1, 2, 3 และ 4, 5, 6:

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

ปฏิบัติตัวอย่าง

ตรวจสอบมิติ?

NumPy จัดให้มีแบบจำลองเอาะนี้เพื่อตรวจสอบมิติ: ndim คุณสมบัติ ซึ่งกลับค่าเป็นตัวเลข ซึ่งจะบอกเราว่าแบบจำลองมีมิติเท่าไหร่:

ตัวอย่าง

ตรวจสอบจำนวนมิติของแบบจำลอง:

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)

ปฏิบัติตัวอย่าง

แบบจำลองมิติสูง

แบบจำลองสามารถมีมิติที่ไม่จำกัด

ในการสร้างแบบจำลอง สามารถใช้ ndmin กำหนดประกาศมิติ

ตัวอย่าง

สร้างแบบจำลองที่มี 5 มิติ และตรวจสอบว่ามี 5 มิติ

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

ปฏิบัติตัวอย่าง

ในตัวเรียงนี้ มีองค์ประกอบที่ภายในสุด (dim ที่ 5) มี 4 องค์ประกอบ องค์ประกอบที่ 4 มี 1 องค์ประกอบเป็นเวกเตอร์ องค์ประกอบที่ 3 มี 1 องค์ประกอบเป็นธรรมชาติของเวกเตอร์ องค์ประกอบที่ 2 มี 1 องค์ประกอบเป็นแบบจำลอง 3D และองค์ประกอบที่ 1 มี 1 องค์ประกอบเป็นแบบจำลอง 4D