Ndarray er det n-dimensjonale array-objektet definert i numpy som lagrer samlingen av lignende type elementer. Med andre ord kan vi definere en ndarray som samlingen av datatypen (dtype) objekter.
Ndarray-objektet kan nås ved å bruke 0-basert indeksering. Hvert element i Array-objektet inneholder samme størrelse i minnet.
Opprette et ndarray-objekt
Ndarray-objektet kan opprettes ved å bruke array-rutinen til numpy-modulen. For dette formålet må vi importere numpy.
>>> a = numpy.array
Tenk på bildet nedenfor.
Vi kan også sende et samlingsobjekt inn i array-rutinen for å lage den ekvivalente n-dimensjonale arrayen. Syntaksen er gitt nedenfor.
>>> numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
Parametrene er beskrevet i tabellen nedenfor.
| SN | Parameter | Beskrivelse |
|---|---|---|
| 1 | gjenstand | Den representerer samlingsobjektet. Det kan være en liste, tuppel, ordbok, sett, etc. |
| 2 | dtype | Vi kan endre datatypen til matriseelementene ved å endre dette alternativet til den angitte typen. Standard er ingen. |
| 3 | kopiere | Det er valgfritt. Som standard er det sant, noe som betyr at objektet er kopiert. |
| 4 | rekkefølge | Det kan være 3 mulige verdier tilordnet dette alternativet. Det kan være C (kolonnerekkefølge), R (radrekkefølge) eller A (hvilken som helst) |
| 5 | testet | Den returnerte matrisen vil være basisklassematrise som standard. Vi kan endre dette for å få underklassene til å gå gjennom ved å sette dette alternativet til sant. |
| 6 | ndmin | Den representerer minimumsdimensjonene til den resulterende matrisen. |
For å lage en matrise ved hjelp av listen, bruk følgende syntaks.
>>> a = numpy.array([1, 2, 3])
For å lage et flerdimensjonalt matriseobjekt, bruk følgende syntaks.
>>> a = numpy.array([[1, 2, 3], [4, 5, 6]])
For å endre datatypen til matriseelementene, nevne navnet på datatypen sammen med samlingen.
cassidy hutchinson utdanning
>>> a = numpy.array([1, 3, 5, 7], complex)
Finne dimensjonene til matrisen
De det er meg funksjon kan brukes til å finne dimensjonene til matrisen.
>>> import numpy as np >>> arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) >>> print(arr.ndim)
Finne størrelsen på hvert matriseelement
Elementstørrelsesfunksjonen brukes til å få størrelsen på hvert matriseelement. Den returnerer antall byte tatt av hvert matriseelement.
Tenk på følgende eksempel.
Eksempel
#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')
Produksjon:
tkinter ramme
Each item contains 8 bytes.
Finne datatypen for hvert matriseelement
For å sjekke datatypen til hvert matriseelement, brukes dtype-funksjonen. Tenk på følgende eksempel for å sjekke datatypen til matriseelementene.
Eksempel
#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)
Produksjon:
Each item is of the type int64
Finne formen og størrelsen på matrisen
For å få formen og størrelsen på matrisen, brukes størrelses- og formfunksjonen knyttet til numpy-matrisen.
Tenk på følgende eksempel.
Eksempel
import numpy as np a = np.array([[1,2,3,4,5,6,7]]) print('Array Size:',a.size) print('Shape:',a.shape)
Produksjon:
Array Size: 7 Shape: (1, 7)
Omforme array-objektene
Med formen på matrisen mener vi antall rader og kolonner i en flerdimensjonal matrise. Imidlertid gir numpy-modulen oss måten å omforme matrisen ved å endre antall rader og kolonner i den flerdimensjonale matrisen.
Reshape()-funksjonen knyttet til ndarray-objektet brukes til å omforme matrisen. Den aksepterer de to parameterne som indikerer rad og kolonner i den nye formen til matrisen.
La oss omforme matrisen gitt i det følgende bildet.
Eksempel
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)
Produksjon:
printing the original array.. [[1 2] [3 4] [5 6]] printing the reshaped array.. [[1 2 3] [4 5 6]]
Skjæring i matrisen
Slicing i NumPy-matrisen er måten å trekke ut en rekke elementer fra en matrise. Slicing i arrayet utføres på samme måte som det utføres i pythonlisten.
Tenk på følgende eksempel for å skrive ut et bestemt element i matrisen.
Eksempel
import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print(a[0,1]) print(a[2,0])
Produksjon:
2 5
Programmet ovenfor skriver ut 2ndelement fra 0thindeks og 0thelement fra 2ndindeksen til matrisen.
Linspace
Linspace()-funksjonen returnerer de jevnt fordelte verdiene over det gitte intervallet. Følgende eksempel returnerer de 10 jevnt atskilte verdiene over det gitte intervallet 5-15
Eksempel
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)
Produksjon:
[ 5. 6.11111111 7.22222222 8.33333333 9.44444444 10.55555556 11.66666667 12.77777778 13.88888889 15. ]
Finne maksimum, minimum og sum av matriseelementene
NumPy gir funksjonene max(), min() og sum() som brukes til å finne henholdsvis maksimum, minimum og sum av matriseelementene.
c kodearray av strenger
Tenk på følgende eksempel.
Eksempel
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())
Produksjon:
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 flerdimensjonal matrise er representert av aksen der akse-0 representerer kolonnene og akse-1 representerer radene. Vi kan nevne aksen for å utføre radnivå- eller kolonnenivåberegninger som å legge til rad- eller kolonneelementer.
pandas standardavvik
For å beregne maksimumselementet blant hver kolonne, minimumselementet blant hver rad, og tillegget av alle radelementene, bør du vurdere følgende eksempel.
Eksempel
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))
Produksjon:
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]
Finne kvadratrot og standardavvik
Funksjonene sqrt() og std() knyttet til numpy-matrisen brukes til å finne henholdsvis kvadratroten og standardavviket til matriseelementene.
Standardavvik betyr hvor mye hvert element i arrayet varierer fra gjennomsnittsverdien til numpy array.
Tenk på følgende eksempel.
Eksempel
import numpy as np a = np.array([[1,2,30],[10,15,4]]) print(np.sqrt(a)) print(np.std(a))
Produksjon:
[[1. 1.41421356 5.47722558] [3.16227766 3.87298335 2. ]] 10.044346115546242
Aritmetiske operasjoner på matrisen
Numpy-modulen lar oss utføre aritmetiske operasjoner på flerdimensjonale arrays direkte.
I det følgende eksempelet utføres aritmetiske operasjoner på de to flerdimensjonale matrisene a og b.
Eksempel
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-sammenkobling
Den numpy gir oss vertikal stabling og horisontal stabling som lar oss sette sammen to flerdimensjonale arrays vertikalt eller horisontalt.
Tenk på følgende eksempel.
Eksempel
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)))
Produksjon:
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]]