Ndarray to n-wymiarowy obiekt tablicy zdefiniowany w numpy, który przechowuje kolekcję elementów podobnego typu. Innymi słowy, możemy zdefiniować ndarray jako zbiór obiektów typu danych (dtype).

Dostęp do obiektu ndarray można uzyskać za pomocą indeksowania opartego na 0. Każdy element obiektu Array zawiera w pamięci ten sam rozmiar.

Tworzenie obiektu ndarray

Obiekt ndarray można utworzyć za pomocą procedury tablicowej modułu numpy. W tym celu musimy zaimportować plik numpy.

 >>> a = numpy.array 

Rozważ poniższy obraz.

Możemy także przekazać obiekt kolekcji do procedury tablicowej, aby utworzyć równoważną tablicę n-wymiarową. Składnię podano poniżej.

 >>> numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0) 

Parametry opisano w poniższej tabeli.

Aby utworzyć tablicę za pomocą listy, użyj następującej składni.

 >>> a = numpy.array([1, 2, 3]) 

Aby utworzyć wielowymiarowy obiekt tablicy, użyj następującej składni.

 >>> a = numpy.array([[1, 2, 3], [4, 5, 6]]) 

Aby zmienić typ danych elementów tablicy, podaj nazwę typu danych wraz z kolekcją.

hashowanie w strukturze danych

 >>> a = numpy.array([1, 3, 5, 7], complex) 

Znajdowanie wymiarów tablicy

The to ja można użyć funkcji do znalezienia wymiarów tablicy.

 >>> import numpy as np >>> arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) >>> print(arr.ndim) 

Znajdowanie rozmiaru każdego elementu tablicy

Funkcja itemsize służy do uzyskania rozmiaru każdego elementu tablicy. Zwraca liczbę bajtów zajmowanych przez każdy element tablicy.

Rozważ następujący przykład.

Przykład

 #finding the size of each item in the array import numpy as np a = np.array([[1,2,3]]) print('Each item contains',a.itemsize,'bytes') 

Wyjście:

 Each item contains 8 bytes. 

Znajdowanie typu danych każdego elementu tablicy

Aby sprawdzić typ danych każdego elementu tablicy, używana jest funkcja dtype. Rozważ następujący przykład, aby sprawdzić typ danych elementów tablicy.

Przykład

 #finding the data type of each array item import numpy as np a = np.array([[1,2,3]]) print('Each item is of the type',a.dtype) 

Wyjście:

lis kontra wilk

 Each item is of the type int64 

Znalezienie kształtu i rozmiaru tablicy

Aby uzyskać kształt i rozmiar tablicy, używana jest funkcja rozmiaru i kształtu powiązana z tablicą numpy.

Rozważ następujący przykład.

Przykład

 import numpy as np a = np.array([[1,2,3,4,5,6,7]]) print('Array Size:',a.size) print('Shape:',a.shape) 

Wyjście:

 Array Size: 7 Shape: (1, 7) 

Zmiana kształtu obiektów szyku

Przez kształt tablicy rozumiemy liczbę wierszy i kolumn tablicy wielowymiarowej. Jednakże moduł numpy umożliwia nam zmianę kształtu tablicy poprzez zmianę liczby wierszy i kolumn tablicy wielowymiarowej.

Funkcja reshape() powiązana z obiektem ndarray służy do zmiany kształtu tablicy. Akceptuje dwa parametry wskazujące wiersz i kolumny nowego kształtu tablicy.

Zmieńmy kształt tablicy podanej na poniższym obrazku.

Przykład

 import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print('printing the original array..') print(a) a=a.reshape(2,3) print('printing the reshaped array..') print(a) 

Wyjście:

 printing the original array.. [[1 2] [3 4] [5 6]] printing the reshaped array.. [[1 2 3] [4 5 6]] 

Krojenie w szyku

Dzielenie tablicy NumPy to sposób na wyodrębnienie zakresu elementów z tablicy. Krojenie tablicy odbywa się w taki sam sposób, jak w przypadku listy Pythona.

Rozważ następujący przykład, aby wydrukować konkretny element tablicy.

Przykład

 import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print(a[0,1]) print(a[2,0]) 

Wyjście:

 2 5 

Powyższy program wypisuje plik 2^IIelement od 0^tindeks i 0^telement z 2^IIindeks tablicy.

Linspace

Funkcja linspace() zwraca równomiernie rozmieszczone wartości w podanym przedziale. Poniższy przykład zwraca 10 równomiernie oddzielonych wartości w podanym przedziale 5–15

selen

Przykład

 import numpy as np a=np.linspace(5,15,10) #prints 10 values which are evenly spaced over the given interval 5-15 print(a) 

Wyjście:

 [ 5. 6.11111111 7.22222222 8.33333333 9.44444444 10.55555556 11.66666667 12.77777778 13.88888889 15. ] 

Znajdowanie maksimum, minimum i sumy elementów tablicy

NumPy udostępnia funkcje max(), min() i sum(), które służą do znalezienia odpowiednio maksimum, minimum i sumy elementów tablicy.

Rozważ następujący przykład.

Przykład

 import numpy as np a = np.array([1,2,3,10,15,4]) print('The array:',a) print('The maximum element:',a.max()) print('The minimum element:',a.min()) print('The sum of the elements:',a.sum()) 

Wyjście:

 The array: [ 1 2 3 10 15 4] The maximum element: 15 The minimum element: 1 The sum of the elements: 35 

Oś tablicy NumPy

Wielowymiarowa tablica NumPy jest reprezentowana przez oś, gdzie oś-0 reprezentuje kolumny, a oś-1 reprezentuje wiersze. Możemy wspomnieć o osi do wykonywania obliczeń na poziomie wiersza lub kolumny, takich jak dodawanie elementów wierszy lub kolumn.

Aby obliczyć maksymalny element w każdej kolumnie, minimalny element w każdym wierszu i dodanie wszystkich elementów wiersza, rozważ następujący przykład.

Przykład

 import numpy as np a = np.array([[1,2,30],[10,15,4]]) print('The array:',a) print('The maximum elements of columns:',a.max(axis = 0)) print('The minimum element of rows',a.min(axis = 1)) print('The sum of all rows',a.sum(axis = 1)) 

Wyjście:

przekonwertować ciąg na datę

 The array: [[1 2 30] [10 15 4]] The maximum elements of columns: [10 15 30] The minimum element of rows [1 4] The sum of all rows [33 29] 

Znajdowanie pierwiastka kwadratowego i odchylenia standardowego

Funkcje sqrt() i std() powiązane z tablicą numpy służą do znajdowania odpowiednio pierwiastka kwadratowego i odchylenia standardowego elementów tablicy.

Odchylenie standardowe oznacza, jak bardzo każdy element tablicy różni się od średniej wartości tablicy numpy.

Rozważ następujący przykład.

Przykład

 import numpy as np a = np.array([[1,2,30],[10,15,4]]) print(np.sqrt(a)) print(np.std(a)) 

Wyjście:

 [[1. 1.41421356 5.47722558] [3.16227766 3.87298335 2. ]] 10.044346115546242 

Operacje arytmetyczne na tablicy

Moduł numpy pozwala nam bezpośrednio wykonywać operacje arytmetyczne na tablicach wielowymiarowych.

W poniższym przykładzie operacje arytmetyczne są wykonywane na dwóch tablicach wielowymiarowych a i b.

Przykład

 import numpy as np a = np.array([[1,2,30],[10,15,4]]) b = np.array([[1,2,3],[12, 19, 29]]) print('Sum of array a and b
',a+b) print('Product of array a and b
',a*b) print('Division of array a and b
',a/b) 

Konkatenacja tablic

Numpy zapewnia nam układanie pionowe i poziome, co pozwala nam łączyć dwie wielowymiarowe tablice w pionie lub poziomie.

Rozważ następujący przykład.

Przykład

 import numpy as np a = np.array([[1,2,30],[10,15,4]]) b = np.array([[1,2,3],[12, 19, 29]]) print('Arrays vertically concatenated
',np.vstack((a,b))); print('Arrays horizontally concatenated
',np.hstack((a,b))) 

Wyjście:

 Arrays vertically concatenated [[ 1 2 30] [10 15 4] [ 1 2 3] [12 19 29]] Arrays horizontally concatenated [[ 1 2 30 1 2 3] [10 15 4 12 19 29]]