12 NumPy darbības iesācējiem

NumPy, kas apzīmē ciparu Python, ir Python bibliotēka, ko galvenokārt izmanto, lai strādātu ar masīviem un veiktu ar tiem dažādas matemātiskas darbības. Tā ir Python zinātniskās skaitļošanas galvenā bibliotēka. NumPy bieži izmanto kopā ar citām Python bibliotēkām, kas saistītas ar datu zinātni, piemēram, SciPy, Pandas un Matplotlib.

Šajā rakstā jūs uzzināsit, kā veikt 12 pamatdarbības, izmantojot NumPy.

Izmantojot šos NumPy piemērus

Šajā rakstā sniegtos piemērus varat izpildīt, ievadot kodu tieši python tulkā. Lai to izdarītu, palaidiet to interaktīvā režīmā no komandrindas.

Varat arī piekļūt Python piezīmjdatora failam, kas satur pilnu avota kodu no šī GitHub krātuve.

1. Kā importēt NumPy kā np un izdrukāt versijas numuru

Jums ir jāizmanto importēt atslēgvārdu, lai importētu jebkuru Python bibliotēku. NumPy parasti tiek importēts zem np pseidonīms. Izmantojot šo pieeju, jūs varat atsaukties uz NumPy pakotni kā np tā vietā dūšīgs.

importēt numpy kā np
drukāt (np .__ versija__)

Izeja:

1.20.1

2. Kā izveidot NumPy ndarray objektu

Masīva objekts NumPy tiek izsaukts ndarray. Jūs varat izveidot NumPy ndarray objekts, izmantojot masīvs () metode. The masīvs () metode pieņem sarakstu, kartīti vai masīvam līdzīgu objektu.

Tuple izmantošana, lai izveidotu NumPy masīvu

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

Izeja:

masīvs ([23, 32, 65, 85])

Saraksta izmantošana NumPy masīva izveidei

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

Izeja:

masīvs ([43, 23, 75, 15])

3. Kā izveidot 0D, 1D, 2D, 3D un N-dimensiju NumPy masīvus

0D masīvi

Katrs masīva elements ir 0D masīvs.

arrObj = np.masīvs (21)
arrObj

Izeja:

masīvs (21)

1D masīvi

Masīvus, kuru elementi ir 0D masīvi, sauc par 1D masīviem.

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

Izeja:

masīvs ([43, 23, 75, 15])

2D masīvi

Masīvus, kuru elementi ir 1D masīvi, sauc par 2D masīviem.

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

Izeja:

masīvs ([[12, 43, 21],
[67, 32, 98]])

3D masīvi

Masīvus, kuru elementi ir 2D masīvi (matricas), sauc par 3D masīviem.

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

Izeja:

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

n-dimensiju masīvi

Jūs varat izveidot jebkuras dimensijas masīvu, izmantojot ndmin arguments.

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

Izeja:

masīvs ([[[[[23, 22, 65, 44]]]]])

4. Kā pārbaudīt masīva izmērus

Masīva izmērus var atrast, izmantojot ndim atribūts.

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

Izeja:

0
1
2
3

5. Kā piekļūt 1D, 2D un 3D masīvu elementiem

Masīva elementam var piekļūt, izmantojot tā indeksa numuru. 2D un 3D masīviem jāizmanto ar komatu atdalīti veseli skaitļi, kas apzīmē katras kategorijas indeksu.

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

Izeja:

75
21
23

Piezīme: NumPy masīvi atbalsta arī negatīvo indeksāciju.

Saistīts: Kāpēc Python ir nākotnes programmēšanas valoda

6. Kā pārbaudīt NumPy masīva objekta datu tipu

Jūs varat pārbaudīt NumPy masīva objekta datu tipu, izmantojot dtype īpašums.

arrObj1 = np.masīvs ([1, 2, 3, 4])
arrObj2 = np.masīvs ([1.3, 6.8, 3.5, 9.2])
arrObj3 = np.array (['Laipni lūdzam', 'līdz', 'MUO'])
drukāt (arrObj1.dtype)
drukāt (arrObj2.dtype)
drukāt (arrObj3.dtype)

Izeja:

int32
peldēt64

Piezīme:

NumPy iebūvēto datu tipu attēlošanai izmanto šādas rakstzīmes:

• i - vesels skaitlis (parakstīts)
• b - Būla
• O - objekts
• S - stīga
• u - neparakstīts vesels skaitlis
• f - pludiņš
• c - komplekss pludiņš
• m - timedelta
• M - datums
• U - unikoda virkne
• V - neapstrādāti dati (nav spēkā)

7. Kā mainīt NumPy masīva datu tipu

Jūs varat mainīt NumPy masīva datu tipu, izmantojot astype (datu_tips) metode. Šī metode pieņem datu tipu kā parametru un izveido jaunu masīva kopiju. Jūs varat norādīt datu tipu, izmantojot rakstzīmes, piemēram, “b” Būla vērtībai, “i” veselam skaitlim, “f” pludiņam utt.

Vesela skaitļa masīva pārveidošana par peldošu masīvu

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

Izeja:

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

Peldošā masīva pārveidošana par veselu skaitļu masīvu

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

Izeja:

masīvs ([1, 6, 3, 9], dtype = int32)

Saistīts: Python projekta idejas, kas piemērotas iesācējiem

8. Kā kopēt NumPy masīvu citā masīvā

Jūs varat kopēt NumPy masīvu citā masīvā, izmantojot np.copy () funkciju. Šī funkcija atgriež dotā objekta masīva kopiju.

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

Izeja:

masīvs ([43, 23, 75, 15])

9. Kā atrast NumPy masīva formu

Masīva forma attiecas uz elementu skaitu katrā dimensijā. Masīva formu var atrast, izmantojot forma atribūts. Tas atgriež kartonu, kura elementi norāda atbilstošā masīva izmēru garumus.

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

Izeja:

(2, 3)

Saistīts: Kā izveidot API Python: populārākās sistēmas

10. Kā pārveidot NumPy masīvu

Masīva pārveidošana nozīmē mainīt tā formu. Ņemiet vērā, ka masīvu nevar pārveidot par patvaļīgu formu. Pārveidošanai nepieciešamo elementu skaitam abās formās jābūt vienādam.

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

Izeja:

masīvs ([[43, 23, 75],
[15, 34, 45]])

Iepriekš minētajā piemērā 1D masīvs tiek pārveidots par 2D masīvu.

11. Kā izlīdzināt NumPy masīvu

Masīva izlīdzināšana nozīmē daudzdimensiju masīva pārvēršanu 1D masīvā. Jūs varat saplacināt masīvu, izmantojot pārveidot (-1).

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

Izeja:

masīvs ([12, 43, 21, 67, 32, 98])

Piezīme: Varat arī izlīdzināt masīvu, izmantojot citas metodes, piemēram numpy.ndarray.flatten () un numpy.ravel ().

12. Kā kārtot NumPy masīvu

Jūs varat kārtot NumPy masīvu, izmantojot numpy.sort () funkciju.

Vesela skaitļa 1D masīva šķirošana

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

Izeja:

masīvs ([15, 23, 43, 75])

1D virkņu masīva kārtošana

arrObj = np.array (["Python", "JavaScript", "Solidity", "Golang"])
np. kārtot (arrObj)

Izeja:

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

Veselu skaitļu 2D masīva šķirošana

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

Izeja:

masīvs ([[12, 21, 43], [32, 67, 98]])

Padariet savu kodu izturīgu, izmantojot iebūvētās metodes un funkcijas

Python ir viena no populārākajām programmēšanas valodām. To izmanto dažādās jomās, piemēram, tīmekļa izstrādē, zinātniskās un ciparu lietojumprogrammās, programmatūras izstrādē un spēļu izstrādē. Vienmēr ir labi zināt par Python iebūvētajām metodēm un funkcijām. Tie var saīsināt jūsu kodu un palielināt tā efektivitāti.

20 Python funkcijas, kas jums jāzina

Python standarta bibliotēkā ir daudzas funkcijas, kas palīdz veikt jūsu programmēšanas uzdevumus. Uzziniet par visnoderīgāko un izveidojiet spēcīgāku kodu.

Lasīt Tālāk

Par autoru