12 λειτουργίες NumPy για αρχάριους

Το NumPy, που σημαίνει Numerical Python, είναι μια βιβλιοθήκη Python που χρησιμοποιείται κυρίως για την εργασία με πίνακες και για την εκτέλεση μιας μεγάλης ποικιλίας μαθηματικών πράξεων σε αυτές. Είναι η βασική βιβλιοθήκη για επιστημονικούς υπολογιστές στην Python. Το NumPy χρησιμοποιείται συχνά με άλλες βιβλιοθήκες Python που σχετίζονται με την επιστήμη δεδομένων, όπως SciPy, Pandas και Matplotlib.

Σε αυτό το άρθρο, θα μάθετε πώς να εκτελείτε 12 βασικές λειτουργίες χρησιμοποιώντας το NumPy.

Χρήση αυτών των παραδειγμάτων NumPy

Μπορείτε να εκτελέσετε τα παραδείγματα σε αυτό το άρθρο εισάγοντας τον κώδικα απευθείας στον διερμηνέα python. Εκκινήστε το σε διαδραστική λειτουργία, από τη γραμμή εντολών, για να το κάνετε.

Μπορείτε επίσης να αποκτήσετε πρόσβαση σε ένα αρχείο σημειωματάριου Python που περιέχει τον πλήρη πηγαίο κώδικα από αυτό το αποθετήριο GitHub.

1. Πώς να εισαγάγετε NumPy ως np και να εκτυπώσετε τον αριθμό έκδοσης

Πρέπει να χρησιμοποιήσετε το εισαγωγή λέξη -κλειδί για εισαγωγή οποιασδήποτε βιβλιοθήκης σε Python. Το NumPy εισάγεται συνήθως στο πλαίσιο

np ψευδώνυμο. Με αυτήν την προσέγγιση, μπορείτε να ανατρέξετε στο πακέτο NumPy ως np αντί μουδιασμένος.

εισαγωγή numpy ως np
εκτύπωση (np .__ έκδοση__)

Παραγωγή:

1.20.1

2. Πώς να δημιουργήσετε ένα αντικείμενο NumPy ndarray

Το αντικείμενο πίνακα στο NumPy καλείται ndarray. Μπορείτε να δημιουργήσετε το NumPy ndarray αντικείμενο χρησιμοποιώντας το πίνακας() μέθοδος. ο πίνακας() Η μέθοδος δέχεται μια λίστα, μια πλειάδα ή ένα αντικείμενο που μοιάζει με πίνακα.

Χρησιμοποιώντας μια πλειάδα για να δημιουργήσετε έναν πίνακα NumPy

arrObj = np.array ((23, 32, 65, 85))
arrObj

Παραγωγή:

πίνακας ([23, 32, 65, 85])

Χρησιμοποιώντας μια λίστα για να δημιουργήσετε έναν πίνακα NumPy

arrObj = np.array ([43, 23, 75, 15])
arrObj

Παραγωγή:

πίνακας ([43, 23, 75, 15])

3. Πώς να δημιουργήσετε συστοιχίες 0D, 1D, 2D, 3D και N-Dimensional NumPy

0D Arrays

Κάθε στοιχείο ενός πίνακα είναι ένας πίνακας 0D.

arrObj = np.array (21)
arrObj

Παραγωγή:

πίνακας (21)

1D Arrays

Οι πίνακες που έχουν πίνακες 0D ως στοιχεία τους ονομάζονται πίνακες 1D.

arrObj = np.array ([43, 23, 75, 15])
arrObj

Παραγωγή:

πίνακας ([43, 23, 75, 15])

2D Arrays

Οι πίνακες που έχουν πίνακες 1D ως στοιχεία τους ονομάζονται 2D πίνακες.

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj

Παραγωγή:

πίνακας ([[12, 43, 21],
[67, 32, 98]])

3D Arrays

Οι πίνακες που έχουν 2D πίνακες (πίνακες) ως στοιχεία τους ονομάζονται τρισδιάστατοι πίνακες.

arrObj = np.array ([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
arrObj

Παραγωγή:

πίνακας ([[[23, 45, 22],
[45, 76, 23]],
[[67, 23, 56],
[12, 76, 63]]])

n-Dimensional Arrays

Μπορείτε να δημιουργήσετε έναν πίνακα οποιασδήποτε διάστασης χρησιμοποιώντας το ndmin διαφωνία.

arrObj = np.array ([23, 22, 65, 44], ndmin = 5)
arrObj

Παραγωγή:

πίνακας ([[[[23, 22, 65, 44]]]]]

4. Πώς να ελέγξετε τις διαστάσεις ενός πίνακα

Μπορείτε να βρείτε τις διαστάσεις ενός πίνακα χρησιμοποιώντας το ndim Χαρακτηριστικό.

arrObj1 = np.array (21)
arrObj2 = np.array ([43, 23, 75, 15])
arrObj3 = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj4 = np.array ([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
εκτύπωση (arrObj1.ndim)
εκτύπωση (arrObj2.ndim)
εκτύπωση (arrObj3.ndim)
εκτύπωση (arrObj4.ndim)

Παραγωγή:

0
1
2
3

5. Πώς να αποκτήσετε πρόσβαση στα στοιχεία των συστοιχιών 1D, 2D και 3D

Μπορείτε να αποκτήσετε πρόσβαση σε ένα στοιχείο πίνακα χρησιμοποιώντας τον αριθμό ευρετηρίου του. Για 2D και 3D πίνακες, πρέπει να χρησιμοποιήσετε ακέραιους διαχωρισμένους με κόμμα που αντιπροσωπεύουν το ευρετήριο κάθε διάστασης.

arrObj1 = np.array ([43, 23, 75, 15])
arrObj2 = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj3 = np.array ([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
εκτύπωση (arrObj1 [2])
εκτύπωση (arrObj2 [0, 2])
εκτύπωση (arrObj3 [0, 1, 2])

Παραγωγή:

75
21
23

Σημείωση: Οι συστοιχίες NumPy υποστηρίζουν επίσης αρνητική ευρετηρίαση.

Σχετίζεται με: Γιατί η Python είναι η γλώσσα προγραμματισμού του μέλλοντος

6. Πώς να ελέγξετε τον τύπο δεδομένων του αντικειμένου πίνακα NumPy

Μπορείτε να ελέγξετε τον τύπο δεδομένων του αντικειμένου πίνακα NumPy χρησιμοποιώντας το dtype ιδιοκτησία.

arrObj1 = np.array ([1, 2, 3, 4])
arrObj2 = np.array ([1,3, 6,8, 3,5, 9,2])
arrObj3 = np.array (['Καλώς ορίσατε', 'to', 'MUO'])
εκτύπωση (arrObj1.dtype)
εκτύπωση (arrObj2.dtype)
εκτύπωση (arrObj3.dtype)

Παραγωγή:

int32
float64

Σημείωση:

Το NumPy χρησιμοποιεί τους ακόλουθους χαρακτήρες για να αναπαραστήσει τους ενσωματωμένους τύπους δεδομένων:

• i - ακέραιος (υπογεγραμμένος)
• β - boolean
• O - αντικείμενο
• S - συμβολοσειρά
• u - ακέραιος ακέραιος αριθμός
• f - επιπλέουν
• γ - σύνθετο πλωτήρα
• m - timedelta
• M - ώρα ώρας
• U - συμβολοσειρά unicode
• V - ακατέργαστα δεδομένα (άκυρα)

7. Πώς να αλλάξετε τον τύπο δεδομένων ενός πίνακα NumPy

Μπορείτε να αλλάξετε τον τύπο δεδομένων ενός πίνακα NumPy χρησιμοποιώντας το astype (data_type) μέθοδος. Αυτή η μέθοδος δέχεται τον τύπο δεδομένων ως παράμετρο και δημιουργεί ένα νέο αντίγραφο του πίνακα. Μπορείτε να καθορίσετε τον τύπο δεδομένων χρησιμοποιώντας χαρακτήρες όπως 'b' για boolean, 'i' για ακέραιο, 'f' για float κ.λπ.

Μετατροπή ακέραιου πίνακα σε πίνακα πλωτήρα

arrObj = np.array ([43, 23, 75, 15])
floatArr = arrObj.astype ('f')
floatArr

Παραγωγή:

πίνακας ([43., 23., 75., 15.], dtype = float32)

Μετατροπή ενός Float Array σε ακέραιο πίνακα

arrObj = np.array ([1,3, 6,8, 3,5, 9,2])
intArr = arrObj.astype ('i')
intArr

Παραγωγή:

πίνακας ([1, 6, 3, 9], dtype = int32)

Σχετίζεται με: Ιδέες έργου Python Κατάλληλες για αρχάριους

8. Πώς να αντιγράψετε έναν πίνακα NumPy σε έναν άλλο πίνακα

Μπορείτε να αντιγράψετε έναν πίνακα NumPy σε έναν άλλο πίνακα χρησιμοποιώντας το np.copy () λειτουργία. Αυτή η συνάρτηση επιστρέφει ένα αντίγραφο πίνακα του δεδομένου αντικειμένου.

oldArr = np.array ([43, 23, 75, 15])
newArr = np.copy (oldArr)
newArr

Παραγωγή:

πίνακας ([43, 23, 75, 15])

9. Πώς να βρείτε τη μορφή ενός πίνακα NumPy

Το σχήμα ενός πίνακα αναφέρεται στον αριθμό των στοιχείων σε κάθε διάσταση. Μπορείτε να βρείτε το σχήμα ενός πίνακα χρησιμοποιώντας το σχήμα Χαρακτηριστικό. Επιστρέφει μια πλειάδα της οποίας τα στοιχεία δίνουν τα μήκη των αντίστοιχων διαστάσεων πίνακα.

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj. σχήμα

Παραγωγή:

(2, 3)

Σχετίζεται με: Πώς να δημιουργήσετε API σε Python: Τα πιο δημοφιλή πλαίσια

10. Πώς να αναδιαμορφώσετε έναν πίνακα NumPy

Αναδιαμόρφωση ενός πίνακα σημαίνει αλλαγή του σχήματος του. Λάβετε υπόψη ότι δεν μπορείτε να αναδιαμορφώσετε έναν πίνακα σε αυθαίρετο σχήμα. Ο αριθμός των στοιχείων που απαιτούνται για την αναδιαμόρφωση πρέπει να είναι ο ίδιος και στα δύο σχήματα.

arrObj = np.array ([43, 23, 75, 15, 34, 45])
reshapedArr = arrObj.reshape (2, 3)
ανασχηματισμένοςΑρρ

Παραγωγή:

πίνακας ([[43, 23, 75],
[15, 34, 45]])

Στο παραπάνω παράδειγμα, ένας πίνακας 1D αναδιαμορφώνεται σε έναν πίνακα 2D.

11. Πώς να ισοπεδώσετε έναν πίνακα NumPy

Η ισοπέδωση ενός πίνακα σημαίνει τη μετατροπή ενός πολυδιάστατου πίνακα σε 1D πίνακα. Μπορείτε να ισιώσετε έναν πίνακα χρησιμοποιώντας αναδιαμόρφωση (-1).

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
flattenedArr = arrObj.reshape (-1)
πεπλατυσμένοςΑρρ

Παραγωγή:

πίνακας ([12, 43, 21, 67, 32, 98])

Σημείωση: Μπορείτε επίσης να ισιώσετε έναν πίνακα χρησιμοποιώντας άλλες μεθόδους όπως numpy.ndarray.flatten () και numpy.ravel ().

12. Πώς να ταξινομήσετε έναν πίνακα NumPy

Μπορείτε να ταξινομήσετε έναν πίνακα NumPy χρησιμοποιώντας το numpy.sort () λειτουργία.

Ταξινόμηση 1D πίνακα ακεραίων

arrObj = np.array ([43, 23, 75, 15])
np.sort (arrObj)

Παραγωγή:

πίνακας ([15, 23, 43, 75])

Ταξινόμηση 1D πίνακα συμβολοσειρών

arrObj = np.array (["Python", "JavaScript", "Solidity", "Golang"])
np.sort (arrObj)

Παραγωγή:

πίνακας (['Golang', 'JavaScript', 'Python', 'Solidity'], dtype = '

Ταξινόμηση 2D Array ακεραίων

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
np.sort (arrObj)

Παραγωγή:

πίνακας ([[12, 21, 43], [32, 67, 98]])

Κάντε τον κώδικα σας ισχυρό χρησιμοποιώντας ενσωματωμένες μεθόδους και λειτουργίες

Η Python είναι μία από τις πιο δημοφιλείς γλώσσες προγραμματισμού. Χρησιμοποιείται σε διάφορους τομείς όπως ανάπτυξη ιστοσελίδων, επιστημονικές και αριθμητικές εφαρμογές, ανάπτυξη λογισμικού και ανάπτυξη παιχνιδιών. Είναι πάντα καλό να γνωρίζετε για τις ενσωματωμένες μεθόδους και λειτουργίες στην Python. Μπορούν να συντομεύσουν τον κώδικά σας και να αυξήσουν την αποτελεσματικότητά του.

20 λειτουργίες Python που πρέπει να γνωρίζετε

Η τυπική βιβλιοθήκη Python περιέχει πολλές λειτουργίες που βοηθούν στις εργασίες προγραμματισμού σας. Μάθετε για τον πιο χρήσιμο και δημιουργήστε πιο ισχυρό κώδικα.

Διαβάστε Επόμενο

Σχετικά με τον Συγγραφέα