Phenquestions
Erinevat tüüpi ülesannete täitmiseks on Pythonis palju raamatukogusid. NumPy on üks neist. NumPy täielik vorm on Numerical Python ja seda kasutatakse peamiselt teaduslikuks arvutamiseks. Mitmemõõtmelisi massiiviobjekte saab määratleda selle teegi abil, mida nimetatakse Pythoni NumPy massiiviks. Massiivi loomiseks on NumPy teegis erinevat tüüpi funktsioonid. Massiivi NumPy saab genereerida arvandmete, andmevahemiku ja juhuslike andmete pythoni loendist. Selles õpetuses on näidatud, kuidas NumPy massiivi saab luua ja kasutada erinevate toimingutüüpide tegemiseks.
NumPy massiivi kasutamise eelis
NumPy massiiv on erinevatel põhjustel parem kui Pythoni loend. Mõned olulised eelised NumPy massiivi kasutamisel on toodud allpool.
- See kulutab Pythoni loendiga võrreldes vähem mälu.
- See töötab sama andmemahu korral kiiremini kui Pythoni loend.
- Mõne konkreetse ülesande jaoks on sobivam kasutada Pythoni loendi asemel.
Eeldused
NumPy teeki pole Pythoni vaikimisi installitud. Niisiis, enne selles õpetuses toodud näidete kasutamist peate selle teegi installima. Selles õpetuses kasutatakse Python 3+. NumPy installimiseks python 3-sse käivitage terminalist järgmine käsk.
$ sudo apt-get install python3-numpyNumPy massiivi atribuudid
Massiivil NumPy on palju atribuute massiivi kohta erinevat tüüpi teabe hankimiseks. Mõningaid selle massiivi kasulikke atribuute on kirjeldatud allpool.
- ndarray.ndim - See atribuut tagastab nimega massiivi mõõtmete arvu ndarray.
- ndarray.kuju - See atribuut tagastab nimelise massiivi iga dimensiooni suuruse ndarray.
- ndarray.suurus - See atribuut tagastab nimega massiivi elementide koguarvu ndarray.
- ndarray.itemsize - See atribuut tagastab nimega massiivi iga elemendi suuruse ndarray.
- ndarray.dtype - See atribuut tagastab nimega massiivi elementide andmetüübi ndarray.
- ndarray.nbaiti - See atribuut tagastab nimetud massiivi elementide tarbitud baitide koguarvu ndarray.
NumPy massiivi kasutamine
Juhendaja selles osas on näidatud ühemõõtmelise, kahemõõtmelise ja kolmemõõtmelise massiivi NumPy deklareerimise viisid.
Näide 1: ühemõõtmelise NumPy massiivi kasutamine
Järgmine näide näitab ühemõõtmelise NumPy massiivi loomise kolme viisi. array () funktsioon on kasutatud esimese täisarvulise esimese ühemõõtmelise massiivi loomiseks. korraldama () funktsioon on kasutatud kümne järjestusnumbri teise ühemõõtmelise massiivi loomiseks. rand () funktsioon on kasutatud 10 juhusliku ujuknumbri kolmanda ühemõõtmelise massiivi loomiseks. Järgmine print () funktsioon on kasutanud erinevate atribuutide ja kolme massiivi väärtuste printimiseks.
# Importige NumPyimpordi numpy kui np
# Deklareeri NumPy massiiv kolmes erinevas massiivis
oneArray1 = np.massiiv ([7, 3, 19, 6, 3, 1, 12, 8, 11, 5])
oneArray2 = np.aranž (10)
oneArray3 = np.juhuslik.rand (10)
# Trükkige kolme NumPy massiivi erinevad atribuudid
print ("\ n Esimese NumPy massiivi mõõt on:", oneArray1.ndim)
print ("Teise NumPy massiivi suurus on:", oneArray2.suurus)
print ("Kolmanda NumPy massiivi andmetüüp on:", oneArray3.dtype)
# Trükkige kolme massiivi NumPy väärtused
print ("\ nEsimese massiivi väärtused on: \ n", oneArray1)
print ("Teise massiivi väärtused on: \ n", oneArray2)
print ("Kolmanda massiivi väärtused on: \ n", oneArray3)
Väljund:
Pärast ülaltoodud skripti käivitamist ilmub järgmine väljund. Väljund näitab, et esimene massiiv on 1, teise massiivi suurus on 10, ja kolmanda massiivi andmetüüp on ujuk 64. Hiljem on trükitud kolm massiivi.
Näide 2: kahemõõtmelise massiivi NumPy kasutamine
Järgmine näide näitab kahemõõtmelise NumPy massiivi loomise kahte võimalust. funktsiooni array () on kasutatud kaherimensionaalse massiivi loomiseks, mis koosneb 2 reast ja 3 veerust täisandmetega. Funktsiooni rand () on kasutatud kahemõõtmelise massiivi loomiseks, mis koosneb 2 reast ja 4 veerust ujukandmetega. Järgmisena on print () funktsioon kasutanud atribuudi size ja mõlema massiivi väärtuste printimiseks.
# Importige NumPyimpordi numpy kui np
# Deklareerige kahemõõtmeline massiiv loendite abil
twoArray1 = np.massiiv ([[12, 2, 27], [40, 15, 6]])
# Deklareerige juhuslike väärtuste abil kahemõõtmeline massiiv
twoArray2 = np.juhuslik.rand (2, 4)
# Prindi mõlema massiivi suurus
print ("Esimese massiivi suurus:", twoArray1.suurus)
print ("Teise massiivi suurus:", twoArray2.suurus)
# Trükkige mõlema massiivi väärtused
print ("Esimese massiivi väärtused on: \ n", twoArray1)
print ("Teise massiivi väärtused on: \ n", twoArray2)
Väljund:
Pärast ülaltoodud skripti käivitamist ilmub järgmine väljund. Väljund näitab, et esimese massiivi suurus on 6 (2 × 3) ja teise massiivi suurus 8 (2 × 4). Mõlemad massiivid on hiljem trükitud.
Näide 3: ruumilise NumPy massiivi kasutamine
Järgmine näide näitab kolmemõõtmelise NumPy massiivi loomise kahte võimalust. funktsiooni array () on kasutatud kolmemõõtmelise täisarvu massiivi loomiseks. Ujukandmete kolmemõõtmelise massiivi loomiseks on kasutatud funktsiooni rand (). Järgmisena on print () funktsioon kasutanud mõlema massiivi mõõtmete ja väärtuste printimiseks.
# Importige NumPyimpordi numpy kui np
# Looge loendi abil kolmemõõtmeline massiiv
threeArray1 = np.massiiv ([[[3, 6, 7], [7, 5, 9], [8, 5, 2]]])
# Looge juhuslike väärtuste abil kolmemõõtmeline massiiv
threeArray2 = np.juhuslik.rand (2, 4, 3)
# Trükkige mõlema massiivi mõõde
print ("Esimese massiivi mõõt:", threeArray1.ndim)
print ("Teise massiivi mõõde:", threeArray2.ndim)
# Trükkige mõlema massiivi väärtused
print ("Esimese massiivi väärtused on: \ n", threeArray1)
print ("Teise massiivi väärtused on: \ n", threeArray2)
Väljund:
Pärast ülaltoodud skripti käivitamist ilmub järgmine väljund. Väljund näitab, et mõlema massiivi mõõt on 3. Mõlemad massiivid on hiljem trükitud.
Järeldus
Erinevat tüüpi NumPy massiivide loomist on selles õpetuses selgitatud mitme näite abil. Loodan, et lugejad saavad pärast selle õpetuse näidete harjutamist luua NumPy massiivid.
