Много библиотеки съществуват в Python за изпълнение на различни видове задачи. NumPy е един от тях. Пълната форма на NumPy е Numerical Python и се използва главно за научни изчисления. Многоизмерните обекти на масив могат да бъдат дефинирани с помощта на тази библиотека, която се нарича масив Python NumPy. В библиотеката NumPy съществуват различни видове функции за създаване на масива. Масивът NumPy може да бъде генериран от списъка с числови данни, диапазон от данни и случайни данни на python. Как масивът NumPy може да бъде създаден и използван за извършване на различни видове операции е показано в този урок.
Предимство от използването на NumPy Array
По различни причини масивът NumPy е по-добър от списъка на Python. Някои значителни предимства от използването на масив NumPy са дадени по-долу.
- Той консумира по-малко памет в сравнение със списъка на python.
- Той работи по-бързо от списъка на python за същото количество данни.
- По-подходящо е да се използва вместо списъка на python за някои конкретни задачи.
Предварителни условия
По подразбиране библиотеката NumPy не е инсталирана в Python. Така че, трябва да инсталирате тази библиотека, преди да практикувате примерите, показани в този урок. В този урок се използва Python 3+. Изпълнете следната команда от терминала, за да инсталирате NumPy в python 3.
$ sudo apt-get install python3-numpyАтрибути на масив NumPy
Масивът NumPy има много атрибути за извличане на различни видове информация за масива. Някои от полезните атрибути на този масив са описани по-долу.
- ndarray.ndim - Този атрибут връща броя на измеренията на наименования масив NumPy ndarray.
- ndarray.форма - Този атрибут връща размера на всяко измерение на наименования масив NumPy ndarray.
- ndarray.размер - Този атрибут връща общия брой елементи от наименования масив NumPy ndarray.
- ndarray.артикул размер - Този атрибут връща размера на всеки елемент от наименования масив NumPy ndarray.
- ndarray.dtype - Този атрибут връща типа данни на елементите на наименования масив NumPy ndarray.
- ndarray.nbytes - Този атрибут връща общия брой байтове, консумирани от елементите на наименования масив NumPy ndarray.
Използване на масив NumPy
Начините за деклариране на едномерни, двуизмерни и триизмерни масиви NumPy са показани в тази част на урока.
Пример-1: Използване на едноизмерен масив NumPy
Следващият пример показва три начина за създаване на едномерен масив NumPy. функция array () е използван за създаване на първия едномерен масив от 10 цели числа. функция подреждане () е бил използван за създаване на втория едномерен масив от 10 последователни числа. функция rand () е бил използван за създаване на третия едномерен масив от 10 произволни числа с плаващо число. След това, функция print () използва за отпечатване на различните атрибути и стойностите на три масива.
# Импортиране на NumPyимпортиране на numpy като np
# Декларирайте масив NumPy в три различни масива
oneArray1 = np.масив ([7, 3, 19, 6, 3, 1, 12, 8, 11, 5])
oneArray2 = np.подреден (10)
oneArray3 = np.случайни.ранд (10)
# Отпечатайте различни атрибути на три масива NumPy
print ("\ nРазмерът на първия масив NumPy е:", oneArray1.ndim)
print ("Размерът на втория масив NumPy е:", oneArray2.размер)
print ("Типът данни на третия масив NumPy е:", oneArray3.dtype)
# Отпечатайте стойностите на трите масива NumPy
print ("\ n Стойностите на първия масив са: \ n", oneArray1)
print ("Стойностите на втория масив са: \ n", oneArray2)
print ("Стойностите на третия масив са: \ n", oneArray3)
Изход:
След изпълнението на горния скрипт ще се появи следният изход. Резултатът показва, че първият масив е 1, размерът на втория масив е 10, а типът данни на третия масив е 64. По-късно са отпечатани три масива.
Пример-2: Използване на двуизмерен масив NumPy
Следващият пример показва два начина за създаване на двумерен масив NumPy. Функцията array () е използвана за създаване на двумерен масив от 2 реда и 3 колони с цели числа. Функцията rand () е използвана за създаване на двуизмерен масив от 2 реда и 4 колони с плаващи данни. След това функцията print () използва за отпечатване на атрибута размер и стойностите на двата масива.
# Импортиране на NumPyимпортиране на numpy като np
# Декларирайте двуизмерен масив, като използвате списъци
twoArray1 = np.масив ([[12, 2, 27], [40, 15, 6]])
# Декларирайте двуизмерен масив, като използвате произволни стойности
twoArray2 = np.случайни.rand (2, 4)
# Отпечатайте размера на двата масива
print ("Размерът на първия масив:", twoArray1.размер)
print ("Размерът на втория масив:", twoArray2.размер)
# Отпечатайте стойностите на двата масива
print ("Стойностите на първия масив са: \ n", twoArray1)
print ("Стойностите на втория масив са: \ n", twoArray2)
Изход:
След изпълнението на горния скрипт ще се появи следният изход. Резултатът показва, че размерът на първия масив е 6 (2 × 3), а размерът на втория масив е 8 (2 × 4). И двата масива са отпечатани по-късно.
Пример-3: Използване на триизмерен масив NumPy
Следващият пример показва два начина за създаване на триизмерен масив NumPy. Функцията array () е използвана за създаване на триизмерен масив от цели числа. Функцията rand () е използвана за създаване на триизмерен масив от плаващи данни. След това функцията print () използва за отпечатване на измерението и стойностите на двата масива.
# Импортиране на NumPyимпортиране на numpy като np
# Създайте триизмерен масив, като използвате списъка
threeArray1 = np.масив ([[[3, 6, 7], [7, 5, 9], [8, 5, 2]]])
# Създайте триизмерен масив, използвайки произволни стойности
threeArray2 = np.случайни.rand (2, 4, 3)
# Отпечатайте размера на двата масива
print ("Размерът на първия масив:", threeArray1.ndim)
print ("Размерът на втория масив:", threeArray2.ndim)
# Отпечатайте стойностите на двата масива
print ("Стойностите на първия масив са: \ n", threeArray1)
print ("Стойностите на втория масив са: \ n", threeArray2)
Изход:
След изпълнението на горния скрипт ще се появи следният изход. Резултатът показва, че размерът на двата масива е 3. И двата масива са отпечатани по-късно.
Заключение
Създаването на различни типове масиви NumPy е обяснено в този урок с помощта на множество примери. Надявам се, че читателите ще могат да създават масиви на NumPy, след като отработят примерите от този урок.