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.

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 2^ndelement från 0^thindex och 0^thelement från 2^ndindex 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]]