TechCodeview

Ndarray yra n-matmenų masyvo objektas, apibrėžtas numpy, kuriame saugoma panašaus tipo elementų kolekcija. Kitaip tariant, ndarray galime apibrėžti kaip duomenų tipo (dtype) objektų rinkinį.

„ndarray“ objektą galima pasiekti naudojant 0 pagrįstą indeksavimą. Kiekvienas masyvo objekto elementas atmintyje turi tokio pat dydžio.

„ndarray“ objekto kūrimas

Objektas ndarray gali būti sukurtas naudojant numpy modulio masyvo tvarką. Šiuo tikslu turime importuoti numpy.

 >>> a = numpy.array 

Apsvarstykite žemiau esantį paveikslėlį.

Taip pat galime perduoti kolekcijos objektą į masyvo tvarką, kad sukurtume lygiavertį n matmenų masyvą. Sintaksė pateikta žemiau.

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

Parametrai aprašyti toliau esančioje lentelėje.

Norėdami sukurti masyvą naudodami sąrašą, naudokite šią sintaksę.

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

Norėdami sukurti daugiamatį masyvo objektą, naudokite šią sintaksę.

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

Norėdami pakeisti masyvo elementų duomenų tipą, nurodykite duomenų tipo pavadinimą kartu su rinkiniu.

gimp pašalinti vandens ženklą

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

Masyvo matmenų radimas

The tai aš funkcija gali būti naudojama norint rasti masyvo matmenis.

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

Kiekvieno masyvo elemento dydžio nustatymas

Elementų dydžio funkcija naudojama kiekvieno masyvo elemento dydžiui nustatyti. Jis grąžina kiekvieno masyvo elemento paimtų baitų skaičių.

mysql rodyti visus vartotojus

Apsvarstykite toliau pateiktą pavyzdį.

Pavyzdys

 #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') 

Išvestis:

 Each item contains 8 bytes. 

Kiekvieno masyvo elemento duomenų tipo radimas

Norint patikrinti kiekvieno masyvo elemento duomenų tipą, naudojama funkcija dtype. Norėdami patikrinti masyvo elementų duomenų tipą, apsvarstykite šį pavyzdį.

Pavyzdys

 #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) 

Išvestis:

 Each item is of the type int64 

Masyvo formos ir dydžio nustatymas

Norint gauti masyvo formą ir dydį, naudojama dydžio ir formos funkcija, susijusi su numpy masyvu.

Apsvarstykite toliau pateiktą pavyzdį.

Pavyzdys

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

Išvestis:

 Array Size: 7 Shape: (1, 7) 

Masyvo objektų pertvarkymas

Pagal masyvo formą turime omenyje daugiamačio masyvo eilučių ir stulpelių skaičių. Tačiau numpy modulis suteikia mums būdą pakeisti masyvą keičiant daugiamačio masyvo eilučių ir stulpelių skaičių.

Funkcija „reshape()“, susijusi su ndarray objektu, naudojama masyvo formavimui pakeisti. Jis priima du parametrus, nurodančius naujos masyvo formos eilutę ir stulpelius.

Performuokime masyvą, pateiktą kitame paveikslėlyje.

Pavyzdys

 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) 

Išvestis:

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

Pjaustymas masyve

Pjaustymas NumPy masyve yra būdas iš masyvo išskirti daugybę elementų. Pjaustymas masyve atliekamas taip pat, kaip ir python sąraše.

skaitytuvas.next java

Norėdami spausdinti tam tikrą masyvo elementą, apsvarstykite šį pavyzdį.

Pavyzdys

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

Išvestis:

 2 5 

Aukščiau pateikta programa išspausdina 2^ndelementas iš 0^thindeksas ir 0^thelementas iš 2^ndmasyvo indeksas.

Linspace

Funkcija linspace () grąžina tolygiai išdėstytas reikšmes per nurodytą intervalą. Toliau pateiktame pavyzdyje pateikiamos 10 tolygiai atskirtų reikšmių per nurodytą intervalą 5–15

Pavyzdys

 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) 

Išvestis:

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

Masyvo elementų maksimumo, minimumo ir sumos radimas

NumPy pateikia max(), min() ir sum() funkcijas, kurios naudojamos rasti atitinkamai didžiausią, mažiausią ir masyvo elementų sumą.

Apsvarstykite toliau pateiktą pavyzdį.

Pavyzdys

 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()) 

Išvestis:

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

NumPy masyvo ašis

Daugiamatis NumPy masyvas pavaizduotas ašimi, kur ašis-0 žymi stulpelius, o ašis-1 – eilutes. Galime paminėti ašį, skirtą eilučių arba stulpelių lygio skaičiavimams atlikti, pavyzdžiui, eilutės ar stulpelio elementų pridėjimui.

Norėdami apskaičiuoti didžiausią elementą kiekviename stulpelyje, mažiausią kiekvienos eilutės elementą ir pridėti visus eilutės elementus, apsvarstykite šį pavyzdį.

Pavyzdys

 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)) 

Išvestis:

 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] 

Kvadratinės šaknies ir standartinio nuokrypio radimas

Funkcijos sqrt () ir std (), susietos su numpy masyvu, yra naudojamos rasti atitinkamai kvadratinę šaknį ir standartinį masyvo elementų nuokrypį.

Standartinis nuokrypis reiškia, kiek kiekvienas masyvo elementas skiriasi nuo vidutinės numpy masyvo vertės.

Apsvarstykite toliau pateiktą pavyzdį.

Pavyzdys

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

Išvestis:

c programavimo pavyzdines programas

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

Aritmetinės operacijos su masyve

Numpy modulis leidžia mums tiesiogiai atlikti aritmetines operacijas su daugiamačiais masyvais.

Toliau pateiktame pavyzdyje aritmetinės operacijos atliekamos su dviem daugiamačiais masyvais a ir b.

Pavyzdys

 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) 

Masyvo sujungimas

Numpy suteikia mums vertikalią ir horizontalią sudėtį, leidžiančią vertikaliai arba horizontaliai sujungti dvi daugiamates matricas.

Apsvarstykite toliau pateiktą pavyzdį.

Pavyzdys

 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))) 

Išvestis:

 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]]