12 NumPy művelet kezdőknek

A NumPy, amely a Numerical Python rövidítése, egy Python könyvtár, amelyet elsősorban tömbökkel való munkavégzésre és matematikai műveletek széles skálájának végrehajtására használnak. Ez a Python tudományos számítástechnikai alapkönyvtára. A NumPy -t gyakran használják más, az adattudományhoz kapcsolódó Python -könyvtárakkal, mint például a SciPy, a Pandas és a Matplotlib.

Ebben a cikkben megtudhatja, hogyan kell elvégezni 12 alapvető műveletet a NumPy használatával.

Ezen NumPy példák használata

A cikkben szereplő példákat úgy futtathatja, hogy a kódot közvetlenül a python tolmácsába írja be. Indítsa el interaktív módban, parancssorból.

Hozzáférhet a Python Notebook fájlhoz is, amely tartalmazza a teljes forráskódot ezt a GitHub adattárat.

1. A NumPy importálása np -ként és a verziószám nyomtatása

Használnia kell a import kulcsszót a Python bármely könyvtárának importálásához. A NumPy -t általában a np álnév. Ezzel a megközelítéssel hivatkozhat a NumPy csomagra np ahelyett szar.

importálja a numpy -t np -ként
nyomtatás (np .__ verzió__)

Kimenet:

1.20.1

2. NumPy ndarray objektum létrehozása

A NumPy tömbobjektumát hívják ndarray. Létrehozhatja a NumPy -t ndarray objektumot a sor() módszer. Az sor() metódus elfogad egy listát, tömböt vagy tömbszerű objektumot.

Tuple használata NumPy tömb létrehozásához

arrObj = np.array ((23, 32, 65, 85))
arrObj

Kimenet:

tömb ([23, 32, 65, 85])

Lista használata NumPy tömb létrehozásához

arrObj = np.array ([43, 23, 75, 15])
arrObj

Kimenet:

tömb ([43, 23, 75, 15])

3. 0D, 1D, 2D, 3D és N-dimenziós NumPy tömbök létrehozása

0D tömbök

A tömb minden eleme 0D tömb.

arrObj = np.array (21)
arrObj

Kimenet:

tömb (21)

1D tömbök

Azokat a tömböket, amelyek elemei 0D tömbök, 1D tömböknek nevezzük.

arrObj = np.array ([43, 23, 75, 15])
arrObj

Kimenet:

tömb ([43, 23, 75, 15])

2D tömbök

Azokat a tömböket, amelyek elemei 1D tömbök, 2D tömböknek nevezzük.

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj

Kimenet:

tömb ([[12, 43, 21],
[67, 32, 98]])

3D tömbök

Azokat a tömböket, amelyek elemei 2D tömbök (mátrixok), 3D tömböknek nevezzük.

arrObj = np.array ([[[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
arrObj

Kimenet:

tömb ([[[[23, 45, 22],
[45, 76, 23]],
[[67, 23, 56],
[12, 76, 63]]])

n-dimenziós tömbök

Bármely dimenzió tömbjét létrehozhatja a ndmin érv.

arrObj = np.array ([23, 22, 65, 44], ndmin = 5)
arrObj

Kimenet:

tömb ([[[[[23, 22, 65, 44]]]]])

4. Hogyan lehet ellenőrizni a tömb méreteit?

A tömb méreteit a ndim tulajdonság.

arrObj1 = np.array (21)
arrObj2 = np.array ([43, 23, 75, 15])
arrObj3 = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj4 = np.array ([[[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
nyomtatás (arrObj1.ndim)
nyomtatás (arrObj2.ndim)
nyomtatás (arrObj3.ndim)
nyomtatás (arrObj4.ndim)

Kimenet:

0
1
2
3

5. Az 1D, 2D és 3D tömbök elemeinek elérése

Egy tömb elemet az indexszámával érhet el. A 2D és 3D tömböknél vesszővel elválasztott egész számokat kell használnia, amelyek az egyes dimenziók indexét képviselik.

arrObj1 = np.array ([43, 23, 75, 15])
arrObj2 = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj3 = np.array ([[[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
nyomtatás (arrObj1 [2])
nyomtatás (arrObj2 [0, 2])
nyomtatás (arrObj3 [0, 1, 2])

Kimenet:

75
21
23

jegyzet: A NumPy tömbök a negatív indexelést is támogatják.

Összefüggő: Miért a Python a jövő programozási nyelve?

6. A NumPy tömb objektum adattípusának ellenőrzése

A NumPy tömbobjektum adattípusát a dtype ingatlan.

arrObj1 = np.array ([1, 2, 3, 4])
arrObj2 = np.array ([1.3, 6.8, 3.5, 9.2])
arrObj3 = np.array (['Üdvözöljük', 'a', 'MUO'])
nyomtatás (arrObj1.dtype)
nyomtatás (arrObj2.dtype)
nyomtatás (arrObj3.dtype)

Kimenet:

int32
úszó64

jegyzet:

A NumPy a következő karaktereket használja a beépített adattípusok megjelenítéséhez:

• i - egész (aláírt)
• b - logikai
• O - objektum
• S - karakterlánc
• u - előjel nélküli egész szám
• f - úszó
• c - összetett úszó
• m - időzített delta
• M - dátum
• U - unicode karakterlánc
• V - nyers adatok (érvénytelen)

7. A NumPy tömb adattípusának megváltoztatása

A NumPy tömb adattípusát a astype (adattípus) módszer. Ez a módszer elfogadja az adattípust paraméterként, és létrehoz egy új példányt a tömbből. Megadhatja az adattípust olyan karakterek használatával, mint a „b” a logikai értékhez, az „i” az egész számhoz, az „f” az úszóhoz stb.

Egész tömb átalakítása úszó tömbré

arrObj = np.array ([43, 23, 75, 15])
floatArr = arrObj.astype ('f')
floatArr

Kimenet:

tömb ([43., 23., 75., 15.], dtype = float32)

Úszó tömb átalakítása egész tömbré

arrObj = np.array ([1.3, 6.8, 3.5, 9.2])
intArr = arrObj.astype ('i')
intArr

Kimenet:

tömb ([1, 6, 3, 9], dtype = int32)

Összefüggő: Python projektötletek kezdőknek

8. Hogyan másolhat egy NumPy tömböt egy másik tömbbe

A NumPy tömböt másolhatja egy másik tömbbe a np.copy () funkció. Ez a függvény az adott objektum tömbmásolatát adja vissza.

oldArr = np.array ([43, 23, 75, 15])
newArr = np.copy (oldArr)
newArr

Kimenet:

tömb ([43, 23, 75, 15])

9. Hogyan találjuk meg a NumPy tömb alakját?

A tömb alakja az egyes dimenziók elemeinek számát jelenti. A tömb alakját a alak tulajdonság. Olyan tömböt ad vissza, amelynek elemei megadják a megfelelő tömbméretek hosszát.

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj.alak

Kimenet:

(2, 3)

Összefüggő: Hogyan készítsünk API -kat Pythonban: legnépszerűbb keretrendszerek

10. Hogyan alakítsunk át egy NumPy tömböt

Egy tömb átformálása azt jelenti, hogy megváltoztatjuk az alakját. Ne feledje, hogy egy tömb nem alakítható át tetszőleges alakra. Az átformáláshoz szükséges elemek számának azonosnak kell lennie mindkét alakban.

arrObj = np.array ([43, 23, 75, 15, 34, 45])
reshapedArr = arrObj.reshape (2, 3)
átszabvaArr

Kimenet:

tömb ([[[43, 23, 75],
[15, 34, 45]])

A fenti példában az 1D tömböt 2D tömbré alakítjuk át.

11. Hogyan lehet simítani a NumPy tömböt

A tömb lapítása azt jelenti, hogy egy többdimenziós tömböt 1D tömbré alakítunk át. Egy tömböt simíthat a használatával átalakítás (-1).

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
lapítottArr = arrObj.reshape (-1)
lapítottArr

Kimenet:

tömb ([12, 43, 21, 67, 32, 98])

jegyzet: Egy tömböt is lelapíthat más módszerekkel, például numpy.ndarray.flatten () és numpy.ravel ().

12. NumPy tömb rendezése

A NumPy tömböt a numpy.sort () funkció.

1D egész tömb rendezése

arrObj = np.array ([43, 23, 75, 15])
np.sort (arrObj)

Kimenet:

tömb ([15, 23, 43, 75])

Karakterláncok 1D tömbjének rendezése

arrObj = np.array (["Python", "JavaScript", "Szilárdság", "Golang"])
np.sort (arrObj)

Kimenet:

tömb (['Golang', 'JavaScript', 'Python', 'Solidity'], dtype = '

2D tömb rendezése egész számokból

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
np.sort (arrObj)

Kimenet:

tömb ([[12, 21, 43], [32, 67, 98]])

Legyen robusztus a kódja a beépített módszerek és funkciók használatával

A Python az egyik legnépszerűbb programozási nyelv. Különféle területeken használják, mint például a webfejlesztés, tudományos és numerikus alkalmazások, szoftverfejlesztés és játékfejlesztés. Mindig jó tudni a Python beépített módszereiről és funkcióiról. Lerövidíthetik a kódot és növelhetik hatékonyságát.

20 Python funkció, amit tudnia kell

A Python Standard Library számos olyan funkciót tartalmaz, amelyek segítenek a programozási feladatokban. Ismerje meg a leghasznosabbakat, és hozzon létre robusztusabb kódot.

Olvassa tovább

A szerzőről