NumPy znamená Numerical Python. Je to knižnica Python používaná na prácu s poľom. V Pythone používame zoznam pre pole, ale jeho spracovanie je pomalé. NumPy pole je výkonný objekt N-rozmerného poľa a používa sa v lineárnej algebre, Fourierovej transformácii a náhodných číslach. Poskytuje objekt poľa oveľa rýchlejšie ako tradičné zoznamy Pythonu.

Typy polí:

1. Jednorozmerné pole
2. Viacrozmerné pole

Jednorozmerné pole:

Jednorozmerné pole je typ lineárneho poľa.

Jednorozmerné pole

Príklad:

strojopis mapy

# importing numpy module import numpy as np # creating list list = [1, 2, 3, 4] # creating numpy array sample_array = np.array(list) print('List in python : ', list) print('Numpy Array in python :', sample_array)>

Výkon:

List in python : [1, 2, 3, 4] Numpy Array in python : [1 2 3 4]>

Skontrolujte typ údajov pre zoznam a pole:

print(type(list_1)) print(type(sample_array))>

Výkon:

>

Viacrozmerné pole:

Údaje vo viacrozmerných poliach sú uložené v tabuľkovej forme.

Dvojrozmerné pole

Príklad:

# importing numpy module import numpy as np # creating list  list_1 = [1, 2, 3, 4] list_2 = [5, 6, 7, 8] list_3 = [9, 10, 11, 12] # creating numpy array sample_array = np.array([list_1, list_2, list_3]) print('Numpy multi dimensional array in python
', sample_array)>

Výkon:

Numpy multi dimensional array in python [[ 1 2 3 4]  [ 5 6 7 8]  [ 9 10 11 12]]>

Poznámka: použitie [ ] operátory vnútri numpy.array() pre viacrozmerné

Anatómia poľa:

1. Os: Os poľa popisuje poradie indexovania do poľa.

Os 0 = jednorozmerná

Os 1 = Dvojrozmerná

Os 2 = trojrozmerná

2. Tvar: Počet prvkov spolu s každou osou. Je z n-tice.

Príklad:

# importing numpy module import numpy as np # creating list  list_1 = [1, 2, 3, 4] list_2 = [5, 6, 7, 8] list_3 = [9, 10, 11, 12] # creating numpy array sample_array = np.array([list_1, list_2, list_3]) print('Numpy array :') print(sample_array) # print shape of the array print('Shape of the array :', sample_array.shape)>

Výkon:

Numpy array :  [[ 1 2 3 4]  [ 5 6 7 8]  [ 9 10 11 12]] Shape of the array : (3, 4)>

Príklad:

import numpy as np sample_array = np.array([[0, 4, 2], [3, 4, 5], [23, 4, 5], [2, 34, 5], [5, 6, 7]]) print('shape of the array :', sample_array.shape)>

Výkon:

shape of the array : (5, 3)>

3. Poradie: Hodnosť poľa je jednoducho počet osí (alebo rozmerov), ktoré má.

Jednorozmerné pole má poradie 1.

Poradie 1

Dvojrozmerné pole má poradie 2.

Poradie 2

4. Objekty typu údajov (dtype): Objekty dátového typu (dtype) sú inštanciou numpy.dtype trieda. Popisuje, ako by sa mali interpretovať bajty v bloku pamäte s pevnou veľkosťou, ktorý zodpovedá položke poľa.

Príklad:

# Import module import numpy as np # Creating the array  sample_array_1 = np.array([[0, 4, 2]]) sample_array_2 = np.array([0.2, 0.4, 2.4]) # display data type print('Data type of the array 1 :', sample_array_1.dtype) print('Data type of array 2 :', sample_array_2.dtype)>

Výkon:

Data type of the array 1 : int32 Data type of array 2 : float64>

Niektoré rôzne spôsoby vytvárania Numpy Array:

1. numpy.array() : Objekt poľa Numpy v Numpy sa nazýva ndarray. Môžeme vytvoriť ndarray pomocou numpy.array() funkciu.

Syntax: numpy.array(parameter)

Príklad:

# import module import numpy as np #creating a array arr = np.array([3,4,5,5]) print('Array :',arr)>

Výkon:

Array : [3 4 5 5]>

2. numpy.fromiter() : Funkcia fromiter() vytvorí nové jednorozmerné pole z iterovateľného objektu.

Syntax: numpy.fromiter(iterovateľné, dtype, počet=-1)

Príklad 1:

#Import numpy module import numpy as np # iterable iterable = (a*a for a in range(8)) arr = np.fromiter(iterable, float) print('fromiter() array :',arr)>

Výkon:

fromiter() pole: [ 0. 1. 4. 9. 16. 25. 36. 49.]

Príklad 2:

import numpy as np var = 'Geekforgeeks' arr = np.fromiter(var, dtype = 'U2') print('fromiter() array :', arr)>

Výkon:

pole fromiter() : [‚G‘ ‚e‘ ‚e‘ ‚k‘ ‚f‘ ‚o‘ ‚r‘ ‚g‘ ‚e‘ ‚e‘ ‚k‘ ‚s‘]

robiť v jave

3. numpy.arange() : Toto je vstavaná funkcia NumPy, ktorá vracia rovnomerne rozložené hodnoty v rámci daného intervalu.

Syntax: numpy.arange([start, ]stop, [step, ]dtype=None)

Príklad:

import numpy as np np.arange(1, 20 , 2, dtype = np.float32)>

Výkon:

pole([ 1., 3., 5., 7., 9., 11., 13., 15., 17., 19.], dtype=float32)

4. numpy.linspace() : Táto funkcia vracia rovnomerne rozmiestnené čísla v určenom rozsahu medzi dvoma limitmi.

Syntax: numpy.linspace(začiatok, zastavenie, num=50, koncový bod=Pravda, retstep=False, dtype=None, axis=0)

Príklad 1:

import numpy as np np.linspace(3.5, 10, 3)>

Výkon:

array([ 3.5 , 6.75, 10. ])>

Príklad 2:

import numpy as np np.linspace(3.5, 10, 3, dtype = np.int32)>

Výkon:

array([ 3, 6, 10])>

5. numpy.empty() : Táto funkcia vytvorí nové pole daného tvaru a typu bez inicializácie hodnoty.

Syntax: numpy.empty(tvar, dtype=float, order=’C’)

Príklad:

import numpy as np np.empty([4, 3], dtype = np.int32, order = 'f')>

Výkon:

array([[ 1, 5, 9],  [ 2, 6, 10],  [ 3, 7, 11],  [ 4, 8, 12]])>

6. numpy.ones(): Táto funkcia sa používa na získanie nového poľa daného tvaru a typu vyplneného jednotkami (1).

Syntax: numpy.ones(shape, dtype=None, order=’C’)

Príklad:

import numpy as np np.ones([4, 3], dtype = np.int32, order = 'f')>

Výkon:

array([[1, 1, 1],  [1, 1, 1],  [1, 1, 1],  [1, 1, 1]])>

7. numpy.zeros() : Táto funkcia sa používa na získanie nového poľa daného tvaru a typu vyplneného nulami (0).

Syntax: numpy.ones(shape, dtype=None)

Príklad:

import numpy as np np.zeros([4, 3], dtype = np.int32, order = 'f')>

Výkon:

array([[0, 0, 0],  [0, 0, 0],  [0, 0, 0],  [0, 0, 0]])>