Kā izmantot Python NumPy masīvu

Python pastāv daudzas bibliotēkas, lai veiktu dažāda veida uzdevumus. NumPy ir viens no tiem. NumPy pilnā forma ir Numerical Python, un to galvenokārt izmanto zinātniskai skaitļošanai. Daudzdimensiju masīva objektus var definēt, izmantojot šo bibliotēku, ko sauc par Python NumPy masīvu. NumPy bibliotēkā ir dažāda veida funkcijas, lai izveidotu masīvu. Masīvu NumPy var ģenerēt no skaitlisko datu, datu diapazona un nejaušo datu pitona saraksta. Kā šajā apmācībā ir parādīts, kā NumPy masīvu var izveidot un izmantot dažādu operāciju veidu veikšanai.

NumPy Array izmantošanas priekšrocība

NumPy masīvs dažādu iemeslu dēļ ir labāks par Python sarakstu. Tālāk ir norādītas dažas nozīmīgas NumPy masīva izmantošanas priekšrocības.

1. Tas patērē mazāk atmiņas, salīdzinot ar pitonu sarakstu.
2. Tajā pašā datu apjomā tas darbojas ātrāk nekā pitonu saraksts.
3. Dažiem konkrētiem uzdevumiem ir piemērotāk izmantot pitonu saraksta vietā.

Priekšnoteikumi

NumPy bibliotēka pēc noklusējuma nav instalēta Python. Tātad, pirms praktizējat šajā apmācībā parādītos piemērus, šī bibliotēka ir jāinstalē. Šajā apmācībā tiek izmantots Python 3+. Izpildiet šo komandu no termināļa, lai instalētu NumPy Python 3.

$ sudo apt-get install python3-numpy

NumPy masīva atribūti

NumPy masīvam ir daudz atribūtu, lai izgūtu dažāda veida informāciju par masīvu. Daži no šī masīva noderīgajiem atribūtiem ir aprakstīti tālāk.

1. ndarray.ndim - Šis atribūts atgriež nosaukto masīva izmēru skaitu ndarray.
2. ndarray.forma - Šis atribūts atgriež nosaukto masīva NumPy katras dimensijas lielumu ndarray.
3. ndarray.Izmērs - Šis atribūts atgriež nosaukto masīva elementu kopējo skaitu ndarray.
4. ndarray.preces lielums - Šis atribūts atgriež katra nosauktā masīva elementa lielumu ndarray.
5. ndarray.dtype - Šis atribūts atgriež nosaukto masīva elementu datu tipu ndarray.
6. ndarray.nbaiti - Šis atribūts atgriež kopējo baitu skaitu, ko patērē nosauktā masīva NumPy elementi ndarray.

NumPy masīva izmantošana

Šajā apmācības daļā ir parādīti viendimensiju, divdimensiju un trīsdimensiju masīva NumPy masīva deklarēšanas veidi.

1. piemērs: viendimensiju NumPy masīva izmantošana

Šajā piemērā parādīti trīs viendimensiju NumPy masīva izveides veidi. masīva () funkcija ir izmantots, lai izveidotu pirmo viendimensiju 10 veselu skaitļu masīvu. sakārtot () funkciju ir izmantots, lai izveidotu otro viendimensiju masīvu no 10 kārtas numuriem. rand () funkcija ir izmantots, lai izveidotu trešo nejaušo 10 nejaušo skaitļu masīvu. Tālāk print () funkcija ir izmantojis dažādu atribūtu un trīs masīvu vērtību drukāšanu.

# Importēt NumPy
importēt numpy kā np
# Paziņojiet NumPy masīvu trīs dažādos masīvos
oneArray1 = np.masīvs ([7, 3, 19, 6, 3, 1, 12, 8, 11, 5])
oneArray2 = np.apelsīns (10)
oneArray3 = np.nejaušs.randa (10)
# Izdrukājiet dažādus trīs NumPy masīvu atribūtus
print ("\ nPirmā NumPy masīva izmērs ir:", oneArray1.ndim)
print ("Otrā NumPy masīva izmērs ir:", oneArray2.Izmērs)
print ("Trešā NumPy masīva datu tips ir:", oneArray3.dtype)
# Izdrukājiet trīs NumPy masīva vērtības
print ("\ nPirmā masīva vērtības ir: \ n", oneArray1)
print ("Otrā masīva vērtības ir: \ n", oneArray2)
print ("Trešā masīva vērtības ir: \ n", oneArray3)

Rezultāts:

Pēc iepriekš minētā skripta izpildes parādīsies šāda izeja. Rezultāts parāda, ka pirmais masīvs ir 1, otrā masīva izmērs ir 10, un trešā masīva datu tips ir pludiņš64. Trīs masīvi ir izdrukāti vēlāk.

2. piemērs: divdimensiju masīva NumPy izmantošana

Šajā piemērā parādīti divi divdimensiju NumPy masīva izveides veidi. array () funkcija ir izmantota, lai izveidotu divdimensiju masīvu no 2 rindām un 3 kolonnām ar veseliem skaitļiem. Funkcija rand () ir izmantota, lai izveidotu divdimensiju masīvu no 2 rindām un 4 kolonnām ar pludiņa datiem. Tālāk funkcija print () ir izmantota, lai izdrukātu atribūtu size un abu masīvu vērtības.

# Importēt NumPy
importēt numpy kā np
# Deklarēt divdimensiju masīvu, izmantojot sarakstus
twoArray1 = np.masīvs ([[12, 2, 27], [40, 15, 6]])
# Deklarēt divdimensiju masīvu, izmantojot nejaušas vērtības
twoArray2 = np.nejaušs.rands (2, 4)
# Izdrukājiet abu masīvu izmēru
print ("Pirmā masīva lielums:", twoArray1.Izmērs)
print ("Otrā masīva izmērs:", twoArray2.Izmērs)
# Izdrukājiet abu masīvu vērtības
print ("Pirmā masīva vērtības ir: \ n", twoArray1)
print ("Otrā masīva vērtības ir: \ n", twoArray2)

Rezultāts:

Pēc iepriekš minētā skripta izpildes parādīsies šāda izeja. Rezultāts parāda, ka pirmā masīva izmērs ir 6 (2 × 3) un otrā masīva izmērs ir 8 (2 × 4). Abi masīvi ir izdrukāti vēlāk.

3. piemērs: trīsdimensiju NumPy masīva izmantošana

Šajā piemērā parādīti divi trīsdimensiju NumPy masīva izveides veidi. array () funkcija ir izmantota, lai izveidotu trīsdimensiju veselu skaitļu masīvu. Rand () funkcija ir izmantota, lai izveidotu trīsdimensiju pludiņa datu masīvu. Pēc tam funkcija print () ir izmantota, lai izdrukātu abu masīvu izmēru un vērtības.

# Importēt NumPy
importēt numpy kā np
# Izveidojiet trīsdimensiju masīvu, izmantojot sarakstu
threeArray1 = np.masīvs ([[[3, 6, 7], [7, 5, 9], [8, 5, 2]]])
# Izveidojiet trīsdimensiju masīvu, izmantojot nejaušas vērtības
threeArray2 = np.nejaušs.rands (2, 4, 3)
# Izdrukājiet abu masīvu izmērus
print ("Pirmā masīva izmērs:", threeArray1.ndim)
print ("Otrā masīva izmērs:", threeArray2.ndim)
# Izdrukājiet abu masīvu vērtības
print ("Pirmā masīva vērtības ir: \ n", threeArray1)
print ("Otrā masīva vērtības ir: \ n", threeArray2)

Rezultāts:

Pēc iepriekš minētā skripta izpildes parādīsies šāda izeja. Rezultāts parāda, ka abu masīvu izmērs ir 3. Abi masīvi ir izdrukāti vēlāk.

Secinājums

Dažādu veidu NumPy masīvu veidošana ir paskaidrota šajā apmācībā, izmantojot vairākus piemērus. Es ceru, ka lasītāji varēs izveidot NumPy masīvus pēc šīs apmācības piemēru izmantošanas.