NumPy bibliotēka ir viena no noderīgajām pitona bibliotēkām, kuru var izmantot masīvu izveidošanai. nulles () un one () ir NumPy bibliotēkas funkcijas, lai izveidotu divus dažādus masīvus. funkcija nulle () tiek izmantota, lai izveidotu masīvu, pamatojoties uz konkrēto formu un tipu. Visi masīva elementi tiek inicializēti uz 0, ko izveido funkcija nulle (). funkcija one () darbojas tāpat kā funkcija nulles (). Bet masīva elementi, ko izveidojusi funkcija ones (), tiek inicializēti uz 1. Abu apmācību izmantošana ir parādīta šajā apmācībā, izmantojot vairākus piemērus.
nulles () funkcija
Šīs funkcijas sintakse ir dota tālāk.
masīva numpy.nulles (forma, [dtype = nav], [secība = 'C'])Šī funkcija var aizņemt trīs argumentus un atgriež masīvu. Pirmais arguments forma ir obligāts, ko izmanto, lai definētu masīva lielumu. Šī argumenta vērtība var būt vesels skaitlis vai vesels skaitlis. Otrais arguments dtype nav obligāts, lai noteiktu masīva elementa tipu. Šī argumenta noklusējuma vērtība ir Nav. Trešais arguments ir tāds, ka secība nav obligāta un tiek izmantota, lai aprakstītu daudzdimensiju masīva secību. Šī argumenta vērtība var būt “C” (C stils) vai “F” (F stils). 'C' tiek izmantots, lai iestatītu rindu kārtību, un 'F', lai iestatītu secību, kas balstīta uz kolonnām.
1. piemērs: Zero () funkcijas izmantošana ar vienu argumentu
Šajā piemērā parādīta nulles () funkcijas izmantošana. 10 ir norādījis šīs funkcijas argumenta vērtību, lai izveidotu viendimensiju NumPy masīvu. Masīva datu tips tiks izdrukāts. funkcija pārveidot () tiek izmantota, lai viendimensiju mainītu par divdimensiju 2 rindu un 5 kolonnu masīvu.
# Importēt NumPyimportēt numpy kā np
# Izveidojiet NumPy masīvu, izmantojot funkciju nulles ()
np_array = np.nulles (10)
# Izdrukājiet masīva vērtību datu tipu
print ("Masīva datu tips ir:", np_array.dtype)
# Pēc pārveidošanas izdrukājiet masīva vērtības
print ("Pārveidotā masīva vērtības ir: \ n", np_array.pārveidot (2, 5))
Rezultāts:
Pēc iepriekš minētā skripta izpildes parādīsies šāda izeja.
2. piemērs: funkcijas nulles () izmantošana ar diviem argumentiem
Šajā piemērā parādīta funkcijas nulle () izmantošana ar diviem argumentiem. Skripta pirmā nulles () funkcija izveidos viendimensionālu skaitļu masīvu NumPy. Datu tips un pirmā masīva vērtības tiks izdrukātas nākamajā paziņojumā. Skripta otrā nulles () funkcija izveidos divdimensionālu skaitļu masīvu NumPy. Datu tips un otrā masīva vērtības tiks izdrukātas nākamajā paziņojumā.
# Importēt NumPyimportēt numpy kā np
# Izveidojiet viendimensiju NumPy masīvu, izmantojot funkciju nulles ()
np_array1 = np.nulles (4, tipa tips = int)
# Izdrukājiet datu tipu
print ("Masīva datu tips ir:", np_array1.dtype)
# Izdrukājiet masīva vērtības
print ("Viendimensiju masīva vērtības ir: \ n", np_array1)
# Izveidojiet divdimensiju NumPy masīvu, izmantojot funkciju nulles ()
np_array2 = np.nulles ((2, 3), int)
# Izdrukājiet datu tipu
print ("\ nMasīva datu tips ir:", np_array2.dtype)
# Izdrukājiet masīva vērtības
print ("Divdimensiju masīva vērtības ir: \ n", np_array2)
Rezultāts:
Pēc iepriekš minētā skripta izpildes parādīsies šāda izeja.
3. piemērs: funkcijas Zero () izmantošana ar trim argumentiem
Šajā piemērā parādīta funkcijas nulle () izmantošana ar trim argumentiem. Skripta nulles () funkcija izveidos trīsdimensiju NumPy masīva pludiņa numurus. Datu tips un pirmā masīva vērtības tiks izdrukātas nākamajā paziņojumā, pamatojoties uz C stila kārtību.
# Importēt NumPyimportēt numpy kā np
# Izveidojiet trīsdimensiju NumPy masīvu, izmantojot nulles () funkciju ar C stila kārtību
np_array = np.nulles ((2, 3, 2), pludiņš, 'C')
# Izdrukājiet masīva vērtības
print ("Divdimensiju masīva vērtības ir: \ n", np_array)
Rezultāts:
Pēc iepriekš minētā skripta izpildes parādīsies šāda izeja.
vieni () funkcija:
Šīs funkcijas sintakse ir dota tālāk.
masīva numpy.vieni (forma, [dtype = nav], [secība = 'C'])Funkcijas one () argumentu izmantojums ir tāds pats kā funkcijas nulle () arguments, kas ir izskaidrots funkcijas nulle () daļā.
1. piemērs: funkciju one () izmantošana ar vienu argumentu
Šis piemērs parāda funkcijas ones () izmantošanu ar vienu argumentu. one () šī skripta funkcija izveidos viendimensiju 5 elementu masīvu.
# Importēt NumPyimportēt numpy kā np
# Izveidojiet NumPy masīvu, izmantojot funkciju nulles ()
np_array = np.vieni (5)
# Izdrukājiet masīva vērtības
print ("Masīva vērtības ir: \ n", np_array)
Rezultāts:
Pēc iepriekš minētā skripta izpildes parādīsies šāda izeja.
2. piemērs: Funkcijas one () izmantošana ar diviem argumentiem
Šis piemērs parāda funkciju ones () ar diviem argumentiem. Funkcija firstes () izveidos divdimensiju veselu skaitļu masīvu, kurā būs 5 rindas un 2 kolonnas. Funkcija second ones () izveidos divdimensiju masīvu, kur pirmajā kolonnā būs veseli skaitļi, bet otrajā kolonnā - pludiņi.
# Importēt NumPyimportēt numpy kā np
# Izveidojiet divdimensiju masīvu NumPy, izmantojot nulles () funkciju ar vesela skaitļa datu tipu
np_array1 = np.vieni ((5, 2), int)
# Izdrukājiet masīva vērtības
print ("Masīva vērtības ir: \ n", np_array1)
# Izveidojiet divdimensiju masīvu NumPy, izmantojot nulles () funkciju ar veselu skaitli un pludiņa datu tipu
np_array2 = np.vieni ((2, 2), dtype = [('x', 'int'), ('y', 'pludiņš']])
# Izdrukājiet masīva vērtības
print ("Masīva vērtības ir: \ n", np_array2)
Rezultāts:
Pēc iepriekš minētā skripta izpildes parādīsies šāda izeja.
3. piemērs: Funkcijas one () izmantošana ar trim argumentiem
Šajā piemērā parādīta funkcijas ones () izmantošana ar trim argumentiem. funkcija ones () izveidos viendimensiju 5 elementu masīvu, kurā būs peldoši skaitļi ar secību.
# Importēt NumPyimportēt numpy kā np
# Izveidojiet NumPy masīvu, izmantojot funkciju nulles ()
np_array = np.vieni (5, tipa = np.float64, secība = 'F')
# Izdrukājiet masīva vērtības
print ("Masīva vērtības ir: \ n", np_array)
Rezultāts:
Pēc iepriekš minētā skripta izpildes parādīsies šāda izeja.
Secinājums:
NumPy bibliotēkas nulles () un one () funkciju izmantošana šajā apmācībā ir izskaidrota, izmantojot vairākus piemērus. Pēc šīs apmācības lasīšanas lasītājs varēs izmantot šīs funkcijas savā skriptā.