Ndarray is het n-dimensionale array-object dat is gedefinieerd in de numpy en dat de verzameling van vergelijkbare typen elementen opslaat. Met andere woorden, we kunnen een ndarray definiëren als de verzameling van objecten van het gegevenstype (dtype).

Het ndarray-object is toegankelijk via de op 0 gebaseerde indexering. Elk element van het Array-object heeft dezelfde grootte in het geheugen.

Een ndarray-object maken

Het ndarray-object kan worden gemaakt met behulp van de array-routine van de numpy-module. Voor dit doel moeten we de numpy importeren.

 >>> a = numpy.array 

Beschouw de onderstaande afbeelding.

We kunnen ook een verzamelobject doorgeven aan de array-routine om de equivalente n-dimensionale array te creëren. De syntaxis wordt hieronder gegeven.

 >>> numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0) 

De parameters worden beschreven in de volgende tabel.

Gebruik de volgende syntaxis om een ​​array te maken met behulp van de lijst.

 >>> a = numpy.array([1, 2, 3]) 

Gebruik de volgende syntaxis om een ​​multidimensionaal arrayobject te maken.

 >>> a = numpy.array([[1, 2, 3], [4, 5, 6]]) 

Om het gegevenstype van de array-elementen te wijzigen, vermeldt u de naam van het gegevenstype samen met de verzameling.

Java initialiseert array

 >>> a = numpy.array([1, 3, 5, 7], complex) 

De afmetingen van de array vinden

De ik ben het functie kan worden gebruikt om de afmetingen van de array te vinden.

 >>> import numpy as np >>> arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) >>> print(arr.ndim) 

Het vinden van de grootte van elk array-element

De itemsize-functie wordt gebruikt om de grootte van elk array-item te bepalen. Het retourneert het aantal bytes dat door elk array-element wordt ingenomen.

Beschouw het volgende voorbeeld.

Voorbeeld

 #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') 

Uitgang:

 Each item contains 8 bytes. 

Het gegevenstype van elk array-item zoeken

Om het gegevenstype van elk array-item te controleren, wordt de functie dtype gebruikt. Bekijk het volgende voorbeeld om het gegevenstype van de array-items te controleren.

Voorbeeld

 #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) 

Uitgang:

round robin-planning

 Each item is of the type int64 

Het vinden van de vorm en grootte van de array

Om de vorm en grootte van de array te bepalen, wordt de functie voor grootte en vorm gebruikt die is gekoppeld aan de numpy-array.

Beschouw het volgende voorbeeld.

Voorbeeld

 import numpy as np a = np.array([[1,2,3,4,5,6,7]]) print('Array Size:',a.size) print('Shape:',a.shape) 

Uitgang:

 Array Size: 7 Shape: (1, 7) 

De arrayobjecten opnieuw vormgeven

Met de vorm van de array bedoelen we het aantal rijen en kolommen van een multidimensionale array. De numpy-module biedt ons echter de manier om de array opnieuw vorm te geven door het aantal rijen en kolommen van de multidimensionale array te wijzigen.

De functie reshape() die aan het ndarray-object is gekoppeld, wordt gebruikt om de array opnieuw vorm te geven. Het accepteert de twee parameters die de rij en kolommen van de nieuwe vorm van de array aangeven.

Laten we de array in de volgende afbeelding een nieuwe vorm geven.

Voorbeeld

 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) 

Uitgang:

 printing the original array.. [[1 2] [3 4] [5 6]] printing the reshaped array.. [[1 2 3] [4 5 6]] 

Snijden in de array

Het segmenteren van de NumPy-array is de manier om een ​​reeks elementen uit een array te extraheren. Het segmenteren in de array wordt op dezelfde manier uitgevoerd als in de Python-lijst.

iets snel sorteren

Bekijk het volgende voorbeeld om een ​​bepaald element van de array af te drukken.

Voorbeeld

 import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print(a[0,1]) print(a[2,0]) 

Uitgang:

 2 5 

Het bovenstaande programma drukt de 2^nlelement uit de 0^eindex en 0^eelement uit de 2^nlindex van de array.

Linruimte

De functie linspace() retourneert de gelijkmatig verdeelde waarden over het opgegeven interval. Het volgende voorbeeld retourneert de 10 gelijkmatig gescheiden waarden over het opgegeven interval 5-15

Voorbeeld

 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) 

Uitgang:

 [ 5. 6.11111111 7.22222222 8.33333333 9.44444444 10.55555556 11.66666667 12.77777778 13.88888889 15. ] 

Het vinden van het maximum, minimum en de som van de array-elementen

De NumPy biedt de functies max(), min() en sum() die worden gebruikt om respectievelijk het maximum, het minimum en de som van de array-elementen te vinden.

Beschouw het volgende voorbeeld.

Voorbeeld

 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()) 

Uitgang:

 The array: [ 1 2 3 10 15 4] The maximum element: 15 The minimum element: 1 The sum of the elements: 35 

NumPy-array-as

Een multidimensionale NumPy-array wordt weergegeven door de as waarbij as-0 de kolommen vertegenwoordigt en as-1 de rijen. We kunnen de as vermelden om berekeningen op rij- of kolomniveau uit te voeren, zoals de toevoeging van rij- of kolomelementen.

Bekijk het volgende voorbeeld om het maximale element van elke kolom, het minimale element van elke rij en de optelling van alle rij-elementen te berekenen.

Voorbeeld

 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)) 

Uitgang:

 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] 

Het vinden van de vierkantswortel en de standaarddeviatie

De functies sqrt() en std() die aan de numpy-array zijn gekoppeld, worden gebruikt om respectievelijk de vierkantswortel en de standaardafwijking van de array-elementen te vinden.

Standaardafwijking betekent hoeveel elk element van de array afwijkt van de gemiddelde waarde van de numpy-array.

Beschouw het volgende voorbeeld.

Voorbeeld

 import numpy as np a = np.array([[1,2,30],[10,15,4]]) print(np.sqrt(a)) print(np.std(a)) 

Uitgang:

java toevoegen aan array

 [[1. 1.41421356 5.47722558] [3.16227766 3.87298335 2. ]] 10.044346115546242 

Rekenkundige bewerkingen op de array

Met de numpy-module kunnen we de rekenkundige bewerkingen rechtstreeks op multidimensionale arrays uitvoeren.

In het volgende voorbeeld worden de rekenkundige bewerkingen uitgevoerd op de twee multidimensionale arrays a en b.

Voorbeeld

 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) 

Array-aaneenschakeling

De numpy biedt ons de verticale stapeling en horizontale stapeling waarmee we twee multidimensionale arrays verticaal of horizontaal kunnen aaneenschakelen.

Beschouw het volgende voorbeeld.

Voorbeeld

 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))) 

Uitgang:

 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]]