Ndarray är det n-dimensionella arrayobjektet definierat i numpy som lagrar samlingen av liknande typ av element. Med andra ord kan vi definiera en ndarray som samlingen av datatypens (dtype) objekt.
Ndarray-objektet kan nås genom att använda den 0-baserade indexeringen. Varje element i Array-objektet innehåller samma storlek i minnet.
Skapa ett ndarray-objekt
ndarray-objektet kan skapas genom att använda array-rutinen för numpy-modulen. För detta ändamål måste vi importera numpy.
>>> a = numpy.array
Tänk på bilden nedan.
Vi kan också skicka ett samlingsobjekt till arrayrutinen för att skapa den ekvivalenta n-dimensionella arrayen. Syntaxen ges nedan.
>>> numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
Parametrarna beskrivs i följande tabell.
| SN | Parameter | Beskrivning |
|---|---|---|
| 1 | objekt | Den representerar samlingsobjektet. Det kan vara en lista, tupel, ordbok, set osv. |
| 2 | dtype | Vi kan ändra datatypen för arrayelementen genom att ändra detta alternativ till den angivna typen. Standardinställningen är ingen. |
| 3 | kopiera | Det är valfritt. Som standard är det sant vilket betyder att objektet kopieras. |
| 4 | beställa | Det kan tilldelas 3 möjliga värden till detta alternativ. Det kan vara C (kolumnordning), R (radordning) eller A (valfri) |
| 5 | testat | Den returnerade matrisen kommer att vara basklassmatris som standard. Vi kan ändra detta för att få underklasserna att passera genom att ställa in det här alternativet på sant. |
| 6 | ndmin | Den representerar minimimåtten för den resulterande matrisen. |
För att skapa en array med hjälp av listan, använd följande syntax.
>>> a = numpy.array([1, 2, 3])
För att skapa ett flerdimensionellt arrayobjekt använder du följande syntax.
>>> a = numpy.array([[1, 2, 3], [4, 5, 6]])
Om du vill ändra datatypen för arrayelementen nämner du namnet på datatypen tillsammans med samlingen.
huffman kodningskod
>>> a = numpy.array([1, 3, 5, 7], complex)
Hitta dimensionerna för arrayen
De det är jag funktion kan användas för att hitta dimensionerna för arrayen.
>>> import numpy as np >>> arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) >>> print(arr.ndim)
Hitta storleken på varje matriselement
Objektstorleksfunktionen används för att få storleken på varje arrayobjekt. Den returnerar antalet byte som tas av varje arrayelement.
Betrakta följande exempel.
Exempel
#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')
Produktion:
Each item contains 8 bytes.
Hitta datatypen för varje matrisobjekt
För att kontrollera datatypen för varje matrisobjekt används dtype-funktionen. Betrakta följande exempel för att kontrollera datatypen för matrisobjekten.
Exempel
#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)
Produktion:
typer av datorer
Each item is of the type int64
Hitta formen och storleken på arrayen
För att få formen och storleken på arrayen används storleken och formfunktionen som är associerad med numpy arrayen.
Betrakta följande exempel.
Exempel
import numpy as np a = np.array([[1,2,3,4,5,6,7]]) print('Array Size:',a.size) print('Shape:',a.shape)
Produktion:
Array Size: 7 Shape: (1, 7)
Omforma arrayobjekten
Med formen på arrayen menar vi antalet rader och kolumner i en flerdimensionell array. Emellertid ger numpy-modulen oss ett sätt att omforma arrayen genom att ändra antalet rader och kolumner i den flerdimensionella arrayen.
Reshape()-funktionen associerad med ndarray-objektet används för att omforma arrayen. Den accepterar de två parametrarna som indikerar raden och kolumnerna för den nya formen av arrayen.
Låt oss omforma arrayen som ges i följande bild.
Exempel
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)
Produktion:
printing the original array.. [[1 2] [3 4] [5 6]] printing the reshaped array.. [[1 2 3] [4 5 6]]
Skiva i Arrayen
Slicing i NumPy-arrayen är sättet att extrahera en rad element från en array. Slicing i arrayen utförs på samma sätt som den utförs i pythonlistan.
städer i australien
Tänk på följande exempel för att skriva ut ett visst element i arrayen.
Exempel
import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print(a[0,1]) print(a[2,0])
Produktion:
2 5
Ovanstående program skriver ut 2ndelement från 0thindex och 0thelement från 2ndindex för arrayen.
Linspace
Funktionen linspace() returnerar de jämnt fördelade värdena över det givna intervallet. Följande exempel returnerar de 10 jämnt separerade värdena över det givna intervallet 5-15
Exempel
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)
Produktion:
[ 5. 6.11111111 7.22222222 8.33333333 9.44444444 10.55555556 11.66666667 12.77777778 13.88888889 15. ]
Hitta maximum, minimum och summan av arrayelementen
NumPy tillhandahåller funktionerna max(), min() och sum() som används för att hitta max, minimum och summan av arrayelementen.
Betrakta följande exempel.
Exempel
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())
Produktion:
The array: [ 1 2 3 10 15 4] The maximum element: 15 The minimum element: 1 The sum of the elements: 35
NumPy Array Axis
En NumPy flerdimensionell array representeras av axeln där axel-0 representerar kolumnerna och axel-1 representerar raderna. Vi kan nämna axeln för att utföra beräkningar på radnivå eller kolumnnivå som tillägg av rad- eller kolumnelement.
För att beräkna det maximala elementet för varje kolumn, det minsta elementet bland varje rad och tillägget av alla radelement, överväg följande exempel.
Exempel
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))
Produktion:
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]
Hitta kvadratrot och standardavvikelse
Funktionerna sqrt() och std() associerade med numpy-matrisen används för att hitta kvadratroten och standardavvikelsen för matriselementen.
Standardavvikelse betyder hur mycket varje element i arrayen varierar från medelvärdet för numpy arrayen.
Betrakta följande exempel.
Exempel
import numpy as np a = np.array([[1,2,30],[10,15,4]]) print(np.sqrt(a)) print(np.std(a))
Produktion:
klass java skanner
[[1. 1.41421356 5.47722558] [3.16227766 3.87298335 2. ]] 10.044346115546242
Aritmetiska operationer på matrisen
Med numpy-modulen kan vi utföra aritmetiska operationer direkt på flerdimensionella arrayer.
I följande exempel utförs de aritmetiska operationerna på de två flerdimensionella matriserna a och b.
Exempel
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 sammanfogning
Den numpy förser oss med vertikal stapling och horisontell stapling som gör att vi kan sammanfoga två flerdimensionella arrayer vertikalt eller horisontellt.
Betrakta följande exempel.
Exempel
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)))
Produktion:
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]]