NumPy staat voor Numerieke Python. Het is een Python-bibliotheek die wordt gebruikt voor het werken met een array. In Python gebruiken we de lijst voor de array, maar deze is traag te verwerken. NumPy-array is een krachtig N-dimensionaal array-object en wordt gebruikt in lineaire algebra, Fourier-transformatie en mogelijkheden voor willekeurige getallen. Het biedt veel sneller een array-object dan traditionele Python-lijsten.

Soorten array:

1. Eéndimensionale array
2. Multidimensionale array

Eéndimensionale array:

Een eendimensionale array is een soort lineaire array.

Eéndimensionale array

Voorbeeld:

# importing numpy module import numpy as np # creating list list = [1, 2, 3, 4] # creating numpy array sample_array = np.array(list) print('List in python : ', list) print('Numpy Array in python :', sample_array)>

Uitgang:

List in python : [1, 2, 3, 4] Numpy Array in python : [1 2 3 4]>

Controleer het gegevenstype voor lijst en array:

print(type(list_1)) print(type(sample_array))>

Uitgang:

>

Multidimensionale array:

Gegevens in multidimensionale arrays worden in tabelvorm opgeslagen.

Tweedimensionale array

Voorbeeld:

# importing numpy module import numpy as np # creating list  list_1 = [1, 2, 3, 4] list_2 = [5, 6, 7, 8] list_3 = [9, 10, 11, 12] # creating numpy array sample_array = np.array([list_1, list_2, list_3]) print('Numpy multi dimensional array in python
', sample_array)>

Uitgang:

Numpy multi dimensional array in python [[ 1 2 3 4]  [ 5 6 7 8]  [ 9 10 11 12]]>

Opmerking: gebruik [ ] operatoren binnen numpy.array() voor multidimensionaal

javapunt java

Anatomie van een array:

1. As: De as van een array beschrijft de volgorde van indexering in de array.

As 0 = eendimensionaal

As 1 = Tweedimensionaal

As 2 = Driedimensionaal

2. Vorm: Het aantal elementen samen met elke as. Het komt uit een tupel.

Voorbeeld:

# importing numpy module import numpy as np # creating list  list_1 = [1, 2, 3, 4] list_2 = [5, 6, 7, 8] list_3 = [9, 10, 11, 12] # creating numpy array sample_array = np.array([list_1, list_2, list_3]) print('Numpy array :') print(sample_array) # print shape of the array print('Shape of the array :', sample_array.shape)>

Uitgang:

Numpy array :  [[ 1 2 3 4]  [ 5 6 7 8]  [ 9 10 11 12]] Shape of the array : (3, 4)>

Voorbeeld:

import numpy as np sample_array = np.array([[0, 4, 2], [3, 4, 5], [23, 4, 5], [2, 34, 5], [5, 6, 7]]) print('shape of the array :', sample_array.shape)>

Uitgang:

mysql gebruiker aanmaken

shape of the array : (5, 3)>

3. Rang: De rangorde van een array is eenvoudigweg het aantal assen (of dimensies) dat het heeft.

De eendimensionale array heeft rang 1.

Rang 1

De tweedimensionale array heeft rang 2.

Rang 2

4. Gegevenstype-objecten (dtype): Gegevenstype-objecten (dtype) zijn een exemplaar van numpy.dtype klas. Het beschrijft hoe de bytes in het geheugenblok met een vaste grootte dat overeenkomt met een array-item moeten worden geïnterpreteerd.

Voorbeeld:

# Import module import numpy as np # Creating the array  sample_array_1 = np.array([[0, 4, 2]]) sample_array_2 = np.array([0.2, 0.4, 2.4]) # display data type print('Data type of the array 1 :', sample_array_1.dtype) print('Data type of array 2 :', sample_array_2.dtype)>

Uitgang:

download video van youtube vlc

Data type of the array 1 : int32 Data type of array 2 : float64>

Een andere manier om Numpy Array te maken:

1. numpy.array() : Het Numpy-arrayobject in Numpy heet ndarray. We kunnen ndarray maken met behulp van numpy.array() functie.

Syntaxis: numpy.array(parameter)

Voorbeeld:

# import module import numpy as np #creating a array arr = np.array([3,4,5,5]) print('Array :',arr)>

Uitgang:

Array : [3 4 5 5]>

2. numpy.fromiter() : De functie fromiter() maakt een nieuwe eendimensionale array van een itereerbaar object.

Syntaxis: numpy.fromiter(itereerbaar, dtype, aantal=-1)

Voorbeeld 1:

#Import numpy module import numpy as np # iterable iterable = (a*a for a in range(8)) arr = np.fromiter(iterable, float) print('fromiter() array :',arr)>

Uitgang:

fromiter() array: [ 0. 1. 4. 9. 16. 25. 36. 49.]

Voorbeeld 2:

import numpy as np var = 'Geekforgeeks' arr = np.fromiter(var, dtype = 'U2') print('fromiter() array :', arr)>

Uitgang:

fromiter() array: [‘G’ ‘e’ ‘e’ ‘k’ ‘f’ ‘o’ ‘r’ ‘g’ ‘e’ ‘e’ ‘k’ ‘s’]

3. numpy.arange() : Dit is een ingebouwde NumPy-functie die gelijkmatig verdeelde waarden binnen een bepaald interval retourneert.

Syntaxis: numpy.arange([start, ]stop, [stap, ]dtype=Geen)

willekeurig getal in Java

Voorbeeld:

import numpy as np np.arange(1, 20 , 2, dtype = np.float32)>

Uitgang:

array([ 1., 3., 5., 7., 9., 11., 13., 15., 17., 19.], dtype=float32)

4. numpy.linspace() : Deze functie retourneert gelijkmatig verdeelde getallen over een opgegeven waarde tussen twee limieten.

Syntaxis: numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

Voorbeeld 1:

import numpy as np np.linspace(3.5, 10, 3)>

Uitgang:

array([ 3.5 , 6.75, 10. ])>

Voorbeeld 2:

import numpy as np np.linspace(3.5, 10, 3, dtype = np.int32)>

Uitgang:

array([ 3, 6, 10])>

5. numpy.leeg() : Deze functie creëert een nieuwe array met een bepaalde vorm en type, zonder de waarde te initialiseren.

Syntaxis: numpy.empty(vorm, dtype=float, order=’C’)

Voorbeeld:

import numpy as np np.empty([4, 3], dtype = np.int32, order = 'f')>

Uitgang:

array([[ 1, 5, 9],  [ 2, 6, 10],  [ 3, 7, 11],  [ 4, 8, 12]])>

6. numpy.ones(): Deze functie wordt gebruikt om een ​​nieuwe array met een bepaalde vorm en type te verkrijgen, gevuld met ones(1).

Syntaxis: numpy.ones(vorm, dtype=Geen, volgorde=’C’)

annotaties in springlaars

Voorbeeld:

import numpy as np np.ones([4, 3], dtype = np.int32, order = 'f')>

Uitgang:

array([[1, 1, 1],  [1, 1, 1],  [1, 1, 1],  [1, 1, 1]])>

7. numpy.zeros() : Deze functie wordt gebruikt om een ​​nieuwe array met een bepaalde vorm en type te verkrijgen, gevuld met nullen (0).

Syntaxis: numpy.ones(vorm, dtype=Geen)

Voorbeeld:

import numpy as np np.zeros([4, 3], dtype = np.int32, order = 'f')>

Uitgang:

array([[0, 0, 0],  [0, 0, 0],  [0, 0, 0],  [0, 0, 0]])>