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.
SN | Parametr | Opis |
---|---|---|
1 | obiekt | Reprezentuje obiekt kolekcji. Może to być lista, krotka, słownik, zestaw itp. |
2 | typ | Możemy zmienić typ danych elementów tablicy, zmieniając tę opcję na określony typ. Wartość domyślna to brak. |
3 | Kopiuj | Jest to opcjonalne. Domyślnie ma wartość true, co oznacza, że obiekt jest kopiowany. |
4 | zamówienie | Do tej opcji można przypisać 3 możliwe wartości. Może to być C (kolejność kolumn), R (kolejność wierszy) lub A (dowolna) |
5 | przetestowany | Zwrócona tablica będzie domyślnie tablicą klasy bazowej. Możemy to zmienić, aby podklasy przechodziły, ustawiając tę opcję na true. |
6 | nie min | Reprezentuje minimalne wymiary wynikowej tablicy. |
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 2IIelement od 0tindeks i 0telement z 2IIindeks 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]]