NumPy erstellt Arrays
Erstellen Sie ein NumPy-ndarray-Objekt
NumPy wird verwendet, um mit Arrays zu arbeiten. Das Array-Objekt in NumPy heißt
ndarray.
Wir können ein NumPy-
ndarrayObjekt erstellen, indem wir die array()Funktion verwenden.
Beispiel
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))
type(): Diese eingebaute Python-Funktion teilt uns den Typ des an sie übergebenen Objekts mit. Wie im obigen Code zeigt es, dass arres sich um
numpy.ndarrayeinen Typ handelt.
Um eine zu erstellen ndarray, können wir eine Liste, ein Tupel oder ein beliebiges Array-ähnliches Objekt an die array()
Methode übergeben, und es wird in eine konvertiert
ndarray:
Beispiel
Verwenden Sie ein Tupel, um ein NumPy-Array zu erstellen:
import numpy as np
arr = np.array((1, 2, 3, 4, 5))
print(arr)
Dimensionen in Arrays
Eine Dimension in Arrays ist eine Ebene der Array-Tiefe (verschachtelte Arrays).
verschachteltes Array: sind Arrays, die Arrays als Elemente haben.
0-D-Arrays
0-D-Arrays oder Skalare sind die Elemente in einem Array. Jeder Wert in einem Array ist ein 0-D-Array.
Beispiel
Erstellen Sie ein 0-D-Array mit dem Wert 42
import numpy as np
arr = np.array(42)
print(arr)
1-D-Arrays
Ein Array, das 0-D-Arrays als Elemente hat, wird als eindimensionales oder 1-D-Array bezeichnet.
Dies sind die gebräuchlichsten und grundlegendsten Arrays.
Beispiel
Erstellen Sie ein 1-D-Array mit den Werten 1,2,3,4,5:
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
2-D-Arrays
Ein Array, das 1-D-Arrays als Elemente hat, wird als 2-D-Array bezeichnet.
Diese werden oft verwendet, um Matrix- oder Tensoren 2. Ordnung darzustellen.
NumPy hat ein ganzes Untermodul, das Matrixoperationen gewidmet ist, genannt
numpy.mat
Beispiel
Erstellen Sie ein 2D-Array, das zwei Arrays mit den Werten 1,2,3 und 4,5,6 enthält:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
3-D-Arrays
Ein Array, das 2-D-Arrays (Matrizen) als Elemente hat, wird als 3-D-Array bezeichnet.
Diese werden oft verwendet, um einen Tensor 3. Ordnung darzustellen.
Beispiel
Erstellen Sie ein 3-D-Array mit zwei 2-D-Arrays, die beide zwei Arrays mit den Werten 1,2,3 und 4,5,6 enthalten:
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)
Anzahl der Dimensionen prüfen?
NumPy Arrays stellt das ndimAttribut bereit, das eine ganze Zahl zurückgibt, die uns sagt, wie viele Dimensionen das Array hat.
Beispiel
Überprüfen Sie, wie viele Dimensionen die Arrays haben:
import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)
Höherdimensionale Arrays
Ein Array kann beliebig viele Dimensionen haben.
Wenn das Array erstellt wird, können Sie die Anzahl der Dimensionen mithilfe des ndminArguments definieren.
Beispiel
Erstellen Sie ein Array mit 5 Dimensionen und überprüfen Sie, ob es 5 Dimensionen hat:
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)
In diesem Array hat die innerste Dimension (5. Dim) 4 Elemente, das 4. Dim hat 1 Element, das der Vektor ist, das 3. Dim hat 1 Element, das die Matrix mit dem Vektor ist, das 2. Dim hat 1 Element, das ein 3D-Array ist und 1st dim hat 1 Element, das ein 4D-Array ist.