Datalogi

Sådan bruges Python NumPy Array

Sådan bruges Python NumPy Array

Der findes mange biblioteker i Python til at udføre forskellige typer opgaver. NumPy er en af ​​dem. Den fulde form for NumPy er Numerisk Python, og den bruges hovedsageligt til videnskabelig computing. Multidimensionelle matrixobjekter kan defineres ved hjælp af dette bibliotek, der kaldes Python NumPy-arrayet. Der findes forskellige typer funktioner i NumPy-biblioteket for at oprette arrayet. NumPy-array kan genereres fra pythonlisten med numeriske data, dataområde og tilfældige data. Hvordan NumPy-array kan oprettes og bruges til at udføre forskellige operationstyper har vist i denne vejledning.

Fordelen ved at bruge NumPy Array

NumPy-array er af forskellige årsager bedre end Python-listen. Nogle væsentlige fordele ved at bruge NumPy-array er angivet nedenfor.

  1. Det bruger mindre hukommelse sammenlignet med pythonlisten.
  2. Det fungerer hurtigere end pythonlisten for den samme mængde data.
  3. Det er mere passende at bruge i stedet for pythonlisten til nogle specifikke opgaver.

Forudsætninger

NumPy-biblioteket er ikke installeret i Python som standard. Så du er nødt til at installere dette bibliotek, før du praktiserer eksemplerne vist i denne vejledning. Python 3+ bruges i denne vejledning. Kør følgende kommando fra terminalen for at installere NumPy i python 3.

$ sudo apt-get install python3-numpy

NumPy Array-attributter

NumPy-array har mange attributter til at hente forskellige typer information om arrayet. Nogle af de nyttige egenskaber ved denne matrix er beskrevet nedenfor.

  1. ndarray.ndim - Denne attribut returnerer antallet af dimensioner for det navngivne NumPy-array ndarray.
  2. ndarray.form - Denne attribut returnerer størrelsen på hver dimension af det navngivne NumPy-array ndarray.
  3. ndarray.størrelse - Denne attribut returnerer det samlede antal elementer i det navngivne NumPy-array ndarray.
  4. ndarray.genstande - Denne attribut returnerer størrelsen på hvert element i det navngivne NumPy-array ndarray.
  5. ndarray.dtype - Denne attribut returnerer datatypen af ​​elementer i det navngivne NumPy-array ndarray.
  6. ndarray.nbytes - Denne attribut returnerer det samlede antal bytes, der forbruges af elementerne i det navngivne NumPy-array ndarray.

Brug af NumPy Array

Måderne til at erklære endimensionelt, todimensionalt og tredimensionelt NumPy-array vises i denne del af selvstudiet.

Eksempel 1: Brug af endimensionelt NumPy-array

Det følgende eksempel viser tre måder at oprette et endimensionelt NumPy-array på. array () funktion er blevet brugt til at oprette det første endimensionale array med 10 heltal. arrangere () funktion er blevet brugt til at oprette det andet endimensionale array med 10 sekventielle numre. rand () funktion er blevet brugt til at oprette det tredje endimensionale array med 10 tilfældige floatnumre. Dernæst udskriv () funktion har brugt til at udskrive de forskellige attributter og tre arrays 'værdier.

# Importer NumPy
importer numpy som np
# Erklær NumPy-array i tre forskellige array
oneArray1 = np.array ([7, 3, 19, 6, 3, 1, 12, 8, 11, 5])
oneArray2 = np.sort (10)
oneArray3 = np.tilfældig.rand (10)
# Udskriv forskellige attributter for tre NumPy-arrays
print ("\ nDimensionen af ​​det første NumPy-array er:", oneArray1.ndim)
print ("Størrelsen på det andet NumPy-array er:", oneArray2.størrelse)
print ("Datatypen for det tredje NumPy-array er:", oneArray3.dtype)
# Udskriv værdierne for de tre NumPy-array
print ("\ nVærdierne for den første matrix er: \ n", oneArray1)
print ("Værdierne for det andet array er: \ n", oneArray2)
print ("Værdierne for det tredje array er: \ n", oneArray3)

Produktion:

Følgende output vises efter udførelse af ovenstående script. Outputtet viser, at den første matrix er 1, størrelsen af ​​det andet array er 10, og datatypen for det tredje array er flyde64. Tre arrays er blevet udskrevet senere.

Eksempel 2: Brug af todimensionalt NumPy-array

Det følgende eksempel viser to måder at oprette et todimensionalt NumPy-array på. array () -funktion er blevet brugt til at oprette et todimensionalt array med 2 rækker og 3 kolonner med heltalsdata. rand () -funktion er blevet brugt til at oprette et todimensionelt array med 2 rækker og 4 kolonner med floatdata. Derefter har funktionen print () brugt til at udskrive størrelsesattributten og begge arrays 'værdier.

# Importer NumPy
importer numpy som np
# Erklær to-dimensionelt array ved hjælp af lister
twoArray1 = np.array ([[12, 2, 27], [40, 15, 6]])
# Erklær to-dimensionelt array ved hjælp af tilfældige værdier
twoArray2 = np.tilfældig.rand (2, 4)
# Udskriv størrelsen på begge arrays
print ("Størrelsen på den første matrix:", twoArray1.størrelse)
print ("Størrelsen på det andet array:", twoArray2.størrelse)
# Udskriv værdierne for begge arrays
print ("Værdierne for den første matrix er: \ n", twoArray1)
print ("Værdierne for det andet array er: \ n", twoArray2)

Produktion:

Følgende output vises efter udførelse af ovenstående script. Outputtet viser, at den første matrixs størrelse er 6 (2 × 3), og størrelsen af ​​den anden matrix er 8 (2 × 4). Begge arrays er udskrevet senere.

Eksempel 3: Brug af tredimensionelt NumPy-array

Følgende eksempel viser to måder at oprette et tredimensionelt NumPy-array på. array () -funktion er blevet brugt til at oprette et tredimensionelt array med heltalsdata. rand () -funktion er blevet brugt til at oprette et tredimensionelt array af floatdata. Derefter har funktionen print () brugt til at udskrive dimensionen og værdierne for begge arrays.

# Importer NumPy
importer numpy som np
# Opret et tredimensionelt array ved hjælp af listen
threeArray1 = np.array ([[[3, 6, 7], [7, 5, 9], [8, 5, 2]]])
# Opret et tredimensionelt array ved hjælp af tilfældige værdier
threeArray2 = np.tilfældig.rand (2, 4, 3)
# Udskriv dimensionen af ​​begge arrays
print ("Dimensionen af ​​den første matrix:", threeArray1.ndim)
print ("Dimensionen af ​​det andet array:", threeArray2.ndim)
# Udskriv værdierne for begge arrays
print ("Værdierne for den første matrix er: \ n", threeArray1)
print ("Værdierne for det andet array er: \ n", threeArray2)

Produktion:

Følgende output vises efter udførelse af ovenstående script. Outputtet viser, at dimensionen af ​​begge arrays er 3. Begge arrays er udskrevet senere.

Konklusion

Oprettelse af forskellige typer NumPy-arrays er forklaret i denne vejledning ved hjælp af flere eksempler. Jeg håber, at læserne vil være i stand til at oprette NumPy-arrays efter at have praktiseret eksemplerne på denne tutorial.

Sådan bruges AutoKey til at automatisere Linux-spil
AutoKey er et desktopautomatiseringsværktøj til Linux og X11, programmeret i Python 3, GTK og Qt. Ved hjælp af dets scripting og MACRO-funktionalitet ...
Sådan vises FPS-tæller i Linux-spil
Linux-spil fik et stort skub, da Valve annoncerede Linux-support til Steam-klient og deres spil i 2012. Siden da har mange AAA- og indiespil fundet ve...
Sådan downloades og afspilles Sid Meiers Civilization VI på Linux
Introduktion til spillet Civilization 6 er et moderne udtryk for det klassiske koncept, der blev introduceret i serien af ​​Age of Empires-spil. Ideen...