Ndarray — це об’єкт n-вимірного масиву, визначений у numpy, який зберігає колекцію елементів подібного типу. Іншими словами, ми можемо визначити ndarray як набір об’єктів типу даних (dtype).
Доступ до об’єкта ndarray можна отримати за допомогою індексування на основі 0. Кожен елемент об’єкта Array містить у пам’яті однаковий розмір.
Створення об'єкта ndarray
Об’єкт ndarray можна створити за допомогою підпрограми array модуля numpy. Для цього нам потрібно імпортувати numpy.
>>> a = numpy.array
Розгляньте зображення нижче.
Ми також можемо передати об’єкт колекції в процедуру масиву, щоб створити еквівалентний n-вимірний масив. Синтаксис наведено нижче.
>>> numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
Параметри описані в наступній таблиці.
| SN | Параметр | опис |
|---|---|---|
| 1 | об'єкт | Він представляє об'єкт колекції. Це може бути список, кортеж, словник, набір тощо. |
| 2 | dtype | Ми можемо змінити тип даних елементів масиву, змінивши цей параметр на вказаний тип. За замовчуванням немає. |
| 3 | копія | Це необов'язково. За замовчуванням це значення true, що означає, що об’єкт скопійовано. |
| 4 | порядок | Цьому параметру може бути призначено 3 можливих значення. Це може бути C (порядок стовпців), R (порядок рядків) або A (будь-який) |
| 5 | перевірено | Повернений масив буде масивом базового класу за замовчуванням. Ми можемо змінити це, щоб підкласи проходили, встановивши для цього параметра значення true. |
| 6 | ndmin | Він представляє мінімальні розміри результуючого масиву. |
Щоб створити масив за допомогою списку, використовуйте наступний синтаксис.
>>> a = numpy.array([1, 2, 3])
Щоб створити об’єкт багатовимірного масиву, використовуйте такий синтаксис.
>>> a = numpy.array([[1, 2, 3], [4, 5, 6]])
Щоб змінити тип даних елементів масиву, вкажіть назву типу даних разом із колекцією.
linux free ipconfig
>>> a = numpy.array([1, 3, 5, 7], complex)
Знаходження розмірів масиву
The це я Функція може бути використана для пошуку розмірів масиву.
>>> import numpy as np >>> arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) >>> print(arr.ndim)
Знаходження розміру кожного елемента масиву
Функція itemsize використовується для отримання розміру кожного елемента масиву. Він повертає кількість байтів, зайнятих кожним елементом масиву.
Розглянемо наступний приклад.
приклад
#finding the size of each item in the array import numpy as np a = np.array([[1,2,3]]) print('Each item contains',a.itemsize,'bytes')
Вихід:
Each item contains 8 bytes.
Пошук типу даних кожного елемента масиву
Для перевірки типу даних кожного елемента масиву використовується функція dtype. Розглянемо наступний приклад, щоб перевірити тип даних елементів масиву.
приклад
#finding the data type of each array item import numpy as np a = np.array([[1,2,3]]) print('Each item is of the type',a.dtype)
Вихід:
Each item is of the type int64
Знаходження форми та розміру масиву
Щоб отримати форму та розмір масиву, використовується функція розміру та форми, пов’язана з масивом numpy.
Розглянемо наступний приклад.
arp команда
приклад
import numpy as np a = np.array([[1,2,3,4,5,6,7]]) print('Array Size:',a.size) print('Shape:',a.shape)
Вихід:
Array Size: 7 Shape: (1, 7)
Зміна форми об'єктів масиву
Під формою масиву ми розуміємо кількість рядків і стовпців багатовимірного масиву. Однак модуль numpy надає нам спосіб змінити форму масиву, змінивши кількість рядків і стовпців у багатовимірному масиві.
Функція reshape(), пов’язана з об’єктом ndarray, використовується для зміни форми масиву. Він приймає два параметри, що вказують рядок і стовпці нової форми масиву.
Давайте змінимо форму масиву, наведеного на наступному зображенні.
приклад
import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print('printing the original array..') print(a) a=a.reshape(2,3) print('printing the reshaped array..') print(a)
Вихід:
printing the original array.. [[1 2] [3 4] [5 6]] printing the reshaped array.. [[1 2 3] [4 5 6]]
Нарізка в масиві
Нарізка в масиві NumPy — це спосіб вилучення діапазону елементів із масиву. Нарізка в масиві виконується так само, як і в списку python.
Розглянемо наступний приклад, щоб надрукувати певний елемент масиву.
приклад
import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print(a[0,1]) print(a[2,0])
Вихід:
2 5
Наведена вище програма друкує 2ndелемент з 0тисіндекс і 0тиселемент з 2ndіндекс масиву.
Linspace
Функція linspace() повертає рівномірно розподілені значення за вказаний інтервал. Наступний приклад повертає 10 рівномірно розділених значень у заданому інтервалі 5-15
приклад
import numpy as np a=np.linspace(5,15,10) #prints 10 values which are evenly spaced over the given interval 5-15 print(a)
Вихід:
[ 5. 6.11111111 7.22222222 8.33333333 9.44444444 10.55555556 11.66666667 12.77777778 13.88888889 15. ]
Знаходження максимуму, мінімуму та суми елементів масиву
NumPy надає функції max(), min() і sum(), які використовуються для пошуку максимуму, мінімуму та суми елементів масиву відповідно.
алгебра множин
Розглянемо наступний приклад.
приклад
import numpy as np a = np.array([1,2,3,10,15,4]) print('The array:',a) print('The maximum element:',a.max()) print('The minimum element:',a.min()) print('The sum of the elements:',a.sum())
Вихід:
The array: [ 1 2 3 10 15 4] The maximum element: 15 The minimum element: 1 The sum of the elements: 35
Вісь масиву NumPy
Багатовимірний масив NumPy представлений віссю, де вісь-0 представляє стовпці, а вісь-1 — рядки. Ми можемо згадати вісь для виконання обчислень на рівні рядка або стовпця, наприклад додавання елементів рядка або стовпця.
pawandeep rajan
Щоб обчислити максимальний елемент у кожному стовпці, мінімальний елемент у кожному рядку та додавання всіх елементів рядка, розглянемо наступний приклад.
приклад
import numpy as np a = np.array([[1,2,30],[10,15,4]]) print('The array:',a) print('The maximum elements of columns:',a.max(axis = 0)) print('The minimum element of rows',a.min(axis = 1)) print('The sum of all rows',a.sum(axis = 1))
Вихід:
The array: [[1 2 30] [10 15 4]] The maximum elements of columns: [10 15 30] The minimum element of rows [1 4] The sum of all rows [33 29]
Знаходження квадратного кореня та стандартного відхилення
Функції sqrt() і std(), пов’язані з масивом numpy, використовуються для пошуку квадратного кореня та стандартного відхилення елементів масиву відповідно.
Стандартне відхилення означає, наскільки кожен елемент масиву відрізняється від середнього значення масиву numpy.
Розглянемо наступний приклад.
приклад
import numpy as np a = np.array([[1,2,30],[10,15,4]]) print(np.sqrt(a)) print(np.std(a))
Вихід:
[[1. 1.41421356 5.47722558] [3.16227766 3.87298335 2. ]] 10.044346115546242
Арифметичні операції над масивом
Модуль numpy дозволяє нам виконувати арифметичні операції безпосередньо над багатовимірними масивами.
У наступному прикладі арифметичні операції виконуються над двома багатовимірними масивами a і b.
приклад
import numpy as np a = np.array([[1,2,30],[10,15,4]]) b = np.array([[1,2,3],[12, 19, 29]]) print('Sum of array a and b ',a+b) print('Product of array a and b ',a*b) print('Division of array a and b ',a/b)
Конкатенація масиву
numpy надає нам вертикальне стекування та горизонтальне стекування, що дозволяє нам об’єднувати два багатовимірні масиви вертикально або горизонтально.
Розглянемо наступний приклад.
приклад
import numpy as np a = np.array([[1,2,30],[10,15,4]]) b = np.array([[1,2,3],[12, 19, 29]]) print('Arrays vertically concatenated ',np.vstack((a,b))); print('Arrays horizontally concatenated ',np.hstack((a,b)))
Вихід:
Arrays vertically concatenated [[ 1 2 30] [10 15 4] [ 1 2 3] [12 19 29]] Arrays horizontally concatenated [[ 1 2 30 1 2 3] [10 15 4 12 19 29]]