Phenquestions
Számos könyvtár létezik a Pythonban különböző típusú feladatok végrehajtására. A NumPy az egyik. A NumPy teljes formája a Numerical Python, és elsősorban tudományos számításokra használják. Többdimenziós tömbobjektumok definiálhatók ennek a könyvtárnak, amelyet Python NumPy tömbnek hívnak. Különféle típusú funkciók vannak a NumPy könyvtárban a tömb létrehozásához. A NumPy tömb előállítható a numerikus adatok, az adattartomány és a véletlenszerű adatok python-listájából. Az oktatóanyag bemutatja, hogy a NumPy tömb hogyan hozható létre és használható különböző művelettípusok végrehajtására.
A NumPy Array használatának előnye
A NumPy tömb különféle okokból jobb, mint a Python lista. Az alábbiakban a NumPy tömb használatának néhány jelentős előnyét mutatjuk be.
- Kevesebb memóriát fogyaszt a python listához képest.
- Gyorsabban működik, mint a python lista ugyanazon adatmennyiség esetén.
- Alkalmasabb a python lista helyett bizonyos feladatokhoz használni.
Előfeltételek
A NumPy könyvtár alapértelmezés szerint nincs telepítve a Pythonba. Tehát telepítenie kell ezt a könyvtárat, mielőtt az oktatóanyagban bemutatott példákat kipróbálná. A Python 3+ alkalmazást ebben az oktatóanyagban használják. Futtassa a következő parancsot a terminálról a NumPy telepítéséhez a Python 3-ba.
$ sudo apt-get install python3-numpyNumPy tömb attribútumok
A NumPy tömbnek számos attribútuma van a tömbre vonatkozó különféle információk lekérésére. A tömb néhány hasznos tulajdonságát az alábbiakban ismertetjük.
- ndarray.ndim - Ez az attribútum a megnevezett NumPy tömb dimenzióinak számát adja vissza ndarray.
- ndarray.alak - Ez az attribútum a megnevezett NumPy tömb egyes dimenzióinak méretét adja vissza ndarray.
- ndarray.méret - Ez az attribútum a NumPy tömb elemeinek összesített számát adja vissza ndarray.
- ndarray.itemsize - Ez az attribútum a NumPy tömb megnevezett elemeinek méretét adja vissza ndarray.
- ndarray.dtype - Ez az attribútum a NumPy tömb elemeinek adattípusát adja vissza ndarray.
- ndarray.nbyte - Ez az attribútum a NumPy tömb megnevezett elemei által elfogyasztott bájtok teljes számát adja vissza ndarray.
A NumPy tömb használata
Az egydimenziós, kétdimenziós és háromdimenziós NumPy tömb deklarálásának módjai az oktatóanyag ezen részében láthatók.
1. példa: Egydimenziós NumPy tömb használata
Az alábbi példa háromdimenziós NumPy tömb létrehozásának módját mutatja be. tömb () függvény 10 egész szám első egydimenziós tömbjének létrehozására használták. rendez () függvény 10 szekvencia második egydimenziós tömbjének létrehozására használták. rand () függvény 10 véletlen úszó szám harmadik egydimenziós tömbjének létrehozására használták. Ezután a print () függvény a különböző attribútumok és három tömb értékének kinyomtatására használta.
# Importálja a NumPy-timportálja a numpy-t np-ként
# Deklarálja a NumPy tömböt három különböző tömbben
oneArray1 = np.tömb ([7, 3, 19, 6, 3, 1, 12, 8, 11, 5])
oneArray2 = np.aranysárga (10)
oneArray3 = np.véletlen.rand (10)
# Három NumPy tömb különböző attribútumainak nyomtatása
print ("\ nAz első NumPy tömb mérete:", oneArray1.ndim)
print ("A második NumPy tömb mérete:", oneArray2.méret)
print ("A harmadik NumPy tömb adattípusa:", oneArray3.dtype)
# Nyomtassa ki a három NumPy tömb értékeit
print ("\ nAz első tömb értéke: \ n", oneArray1)
print ("A második tömb értéke: \ n", oneArray2)
print ("A harmadik tömb értéke: \ n", oneArray3)
Kimenet:
A fenti kimenet a fenti parancsfájl végrehajtása után jelenik meg. A kimenet azt mutatja, hogy az első tömb 1, a második tömb mérete 10, a harmadik tömb adattípusa pedig float64. Három tömböt nyomtattak később.
2. példa: Kétdimenziós NumPy tömb használata
Az alábbi példa kétdimenziós NumPy tömb létrehozásának két módját mutatja be. Az array () függvényt két sorból és 3 oszlopból álló kétdimenziós tömb létrehozására használták egész adatokkal. A rand () függvény segítségével két sorból és 4 oszlopból álló kétdimenziós tömböt hoztak létre lebegő adatokkal. Ezután a print () függvény kinyomtatta a méret attribútumot és mindkét tömb értékét.
# Importálja a NumPy-timportálja a numpy-t np-ként
# Dimenziós tömb deklarálása listák használatával
twoArray1 = np.tömb ([[12, 2, 27], [40, 15, 6]])
# Nyújtson be kétdimenziós tömböt véletlenszerű értékek felhasználásával
twoArray2 = np.véletlen.rand (2, 4)
# Nyomtassa ki a két tömb méretét
print ("Az első tömb mérete:", twoArray1.méret)
print ("A második tömb mérete:", twoArray2.méret)
# Nyomtassa ki mindkét tömb értékét
print ("Az első tömb értéke: \ n", twoArray1)
print ("A második tömb értéke: \ n", twoArray2)
Kimenet:
A fenti kimenet a fenti parancsfájl végrehajtása után jelenik meg. A kimenet azt mutatja, hogy az első tömb mérete 6 (2 × 3), és a második tömb mérete 8 (2 × 4). Mindkét tömböt később kinyomtatták.
3. példa: Háromdimenziós NumPy tömb használata
A következő példa háromdimenziós NumPy tömb létrehozásának két módját mutatja be. Az array () függvényt egész adatok háromdimenziós tömbjének létrehozására használták. A rand () függvényt háromdimenziós úszó adatok tömbjének létrehozására használták. Ezután a print () függvény mindkét tömb méretét és értékét kinyomtatta.
# Importálja a NumPy-timportálja a numpy-t np-ként
# Hozzon létre egy háromdimenziós tömböt a lista használatával
threeArray1 = np.tömb ([[[3, 6, 7], [7, 5, 9], [8, 5, 2]]])
# Véletlen értékek felhasználásával hozzon létre egy háromdimenziós tömböt
threeArray2 = np.véletlen.rand (2, 4, 3)
# Nyomtassa ki a két tömb méretét
print ("Az első tömb dimenziója:", threeArray1.ndim)
print ("A második tömb mérete:", threeArray2.ndim)
# Nyomtassa ki mindkét tömb értékét
print ("Az első tömb értéke: \ n", threeArray1)
print ("A második tömb értéke: \ n", threeArray2)
Kimenet:
A fenti kimenet a fenti parancsfájl végrehajtása után jelenik meg. A kimenet azt mutatja, hogy mindkét tömb dimenziója 3. Mindkét tömböt később kinyomtatták.
Következtetés
Különböző típusú NumPy tömbök létrehozását ebben az oktatóanyagban több példa segítségével elmagyaráztuk. Remélem, hogy az olvasók képesek lesznek létrehozni NumPy tömböket, miután gyakorolták az oktatóanyag példáit.
