Hvordan bruke Python NumPy Array

Det finnes mange biblioteker i Python for å utføre forskjellige typer oppgaver. NumPy er en av dem. Den fulle formen for NumPy er Numerical Python, og den brukes hovedsakelig til vitenskapelig databehandling. Flerdimensjonale arrayobjekter kan defineres ved å bruke dette biblioteket som kalles Python NumPy-arrayet. Ulike typer funksjoner finnes i NumPy-biblioteket for å opprette matrisen. NumPy-matrisen kan genereres fra python-listen over numeriske data, dataområde og tilfeldige data. Hvordan NumPy-matrisen kan opprettes og brukes til å utføre forskjellige operasjonstyper har vist i denne opplæringen.

Fordelen med å bruke NumPy Array

NumPy-matrisen er bedre enn Python-listen av forskjellige grunner. Noen viktige fordeler ved å bruke NumPy-matrisen er gitt nedenfor.

1. Det bruker mindre minne sammenlignet med pythonlisten.
2. Det fungerer raskere enn pythonlisten for samme mengde data.
3. Det er mer egnet å bruke i stedet for python-listen for noen spesifikke oppgaver.

Forutsetninger

NumPy-biblioteket er ikke installert i Python som standard. Så du må installere dette biblioteket før du øver på eksemplene som vises i denne veiledningen. Python 3+ brukes i denne opplæringen. Kjør følgende kommando fra terminalen for å installere NumPy i python 3.

$ sudo apt-get install python3-numpy

NumPy Array-attributter

NumPy-matrisen har mange attributter for å hente forskjellige typer informasjon om matrisen. Noen av de nyttige egenskapene til denne matrisen er beskrevet nedenfor.

1. ndarray.ndim - Dette attributtet returnerer antall dimensjoner for NumPy-matrisen som heter ndarray.
2. ndarray.form - Dette attributtet returnerer størrelsen på hver dimensjon i NumPy-matrisen som heter ndarray.
3. ndarray.størrelse - Denne attributtet returnerer det totale antallet elementer i NumPy-matrisen som heter ndarray.
4. ndarray.gjenstand - Dette attributtet returnerer størrelsen på hvert element i NumPy-matrisen som heter ndarray.
5. ndarray.dtype - Dette attributtet returnerer datatypen til elementene i NumPy-matrisen som heter ndarray.
6. ndarray.nbytes - Denne attributtet returnerer det totale antallet byte som forbrukes av elementene i NumPy-matrisen som heter ndarray.

Bruk av NumPy Array

Måtene å erklære endimensjonalt, todimensjonalt og tredimensjonalt NumPy-array er vist i denne delen av opplæringen.

Eksempel 1: Bruk av endimensjonalt NumPy-array

Følgende eksempel viser tre måter å lage en endimensjonal NumPy-matrise på. array () -funksjon har blitt brukt til å lage den første endimensjonale matrisen med 10 heltall. ordne () funksjon har blitt brukt til å lage den andre endimensjonale matrisen med 10 sekvensielle tall. rand () -funksjon har blitt brukt til å lage den tredje endimensjonale matrisen med 10 tilfeldige flytnumre. Neste, den print () -funksjon har brukt til å skrive ut de forskjellige attributtene og verdiene til tre matriser.

# Importer NumPy
importer nummen som np
# Erklær NumPy-matrise i tre forskjellige matriser
oneArray1 = np.array ([7, 3, 19, 6, 3, 1, 12, 8, 11, 5])
oneArray2 = np.arange (10)
oneArray3 = np.tilfeldig.rand (10)
# Skriv ut forskjellige attributter for tre NumPy-matriser
print ("\ nDimensjonen til den første NumPy-matrisen er:", oneArray1.ndim)
print ("Størrelsen på den andre NumPy-matrisen er:", oneArray2.størrelse)
print ("Datatypen til den tredje NumPy-matrisen er:", oneArray3.dtype)
# Skriv ut verdiene til de tre NumPy-arrayene
print ("\ nVerdiene til den første matrisen er: \ n", oneArray1)
print ("Verdiene til den andre matrisen er: \ n", oneArray2)
print ("Verdiene til den tredje matrisen er: \ n", oneArray3)

Produksjon:

Følgende utdata vises etter å ha utført skriptet ovenfor. Utgangen viser at den første matrisen er 1, størrelsen på den andre matrisen er 10, og datatypen til den tredje matrisen er flyte64. Tre matriser er skrevet ut senere.

Eksempel 2: Bruk av todimensjonalt NumPy-array

Følgende eksempel viser to måter å lage en todimensjonal NumPy-matrise på. array () -funksjonen har blitt brukt til å lage et todimensjonalt array med 2 rader og 3 kolonner med heltallsdata. rand () -funksjonen har blitt brukt til å lage et todimensjonalt utvalg på 2 rader og 4 kolonner med flytdata. Deretter har funksjonen print () brukt til å skrive ut størrelsesattributtet og begge matrisenes verdier.

# Importer NumPy
importer nummen som np
# Erklær todimensjonalt array ved hjelp av lister
twoArray1 = np.matrise ([[12, 2, 27], [40, 15, 6]])
# Erklær todimensjonalt array ved hjelp av tilfeldige verdier
twoArray2 = np.tilfeldig.rand (2, 4)
# Skriv ut størrelsen på begge matriser
print ("Størrelsen på den første matrisen:", twoArray1.størrelse)
print ("Størrelsen på den andre matrisen:", twoArray2.størrelse)
# Skriv ut verdiene til begge matriser
print ("Verdiene til den første matrisen er: \ n", twoArray1)
print ("Verdiene til den andre matrisen er: \ n", twoArray2)

Produksjon:

Følgende utdata vises etter å ha utført skriptet ovenfor. Utgangen viser at størrelsen på den første matrisen er 6 (2 × 3), og størrelsen på den andre matrisen er 8 (2 × 4). Begge matriser er skrevet ut senere.

Eksempel 3: Bruk av tredimensjonalt NumPy-array

Følgende eksempel viser to måter å lage en tredimensjonal NumPy-matrise på. array () -funksjonen har blitt brukt til å lage et tredimensjonalt array med heltallsdata. rand () -funksjonen har blitt brukt til å lage et tredimensjonalt utvalg av floatdata. Deretter har funksjonen print () brukt til å skrive ut dimensjonen og verdiene til begge matriser.

# Importer NumPy
importer nummen som np
# Lag et tredimensjonalt array ved hjelp av listen
threeArray1 = np.matrise ([[[3, 6, 7], [7, 5, 9], [8, 5, 2]]])
# Lag et tredimensjonalt array ved hjelp av tilfeldige verdier
threeArray2 = np.tilfeldig.rand (2, 4, 3)
# Skriv ut dimensjonen til begge matriser
print ("Dimensjonen til den første matrisen:", threeArray1.ndim)
print ("Dimensjonen til den andre matrisen:", threeArray2.ndim)
# Skriv ut verdiene til begge matriser
print ("Verdiene til den første matrisen er: \ n", threeArray1)
print ("Verdiene til den andre matrisen er: \ n", threeArray2)

Produksjon:

Følgende utdata vises etter å ha utført skriptet ovenfor. Utgangen viser at dimensjonen til begge matriser er 3. Begge matriser er skrevet ut senere.

Konklusjon

Å lage forskjellige typer NumPy-matriser er forklart i denne veiledningen ved å bruke flere eksempler. Jeg håper leserne vil være i stand til å lage NumPy-matriser etter å ha praktisert eksemplene på denne opplæringen.