12 NumPy -operasjoner for nybegynnere

NumPy, som står for Numerical Python, er et Python -bibliotek som hovedsakelig brukes til å arbeide med matriser og for å utføre en rekke matematiske operasjoner på dem. Det er kjernebiblioteket for vitenskapelig databehandling i Python. NumPy brukes ofte med andre Python -biblioteker relatert til datavitenskap som SciPy, Pandas og Matplotlib.

I denne artikkelen lærer du hvordan du utfører 12 grunnleggende operasjoner ved hjelp av NumPy.

Bruke disse NumPy -eksemplene

Du kan kjøre eksemplene i denne artikkelen ved å skrive inn koden direkte i python -tolken. Start den i interaktiv modus, fra kommandolinjen, for å gjøre det.

Du kan også få tilgang til en Python Notebook -fil som inneholder hele kildekoden fra dette GitHub -depotet.

1. Hvordan importere NumPy som np og skrive ut versjonsnummeret

Du må bruke import søkeord for å importere et hvilket som helst bibliotek i Python. NumPy importeres vanligvis under np alias. Med denne tilnærmingen kan du referere til NumPy -pakken som np i stedet for numpy.

importer numpy som np
print (np .__ versjon__)

Produksjon:

1.20.1

2. Hvordan lage et NumPy ndarray -objekt

Arrayobjektet i NumPy kalles ndarray. Du kan opprette NumPy ndarray objektet ved hjelp av array () metode. De array () metoden godtar en liste, tupel eller et matrellignende objekt.

Bruk en Tuple til å lage en NumPy -matrise

arrObj = np.array ((23, 32, 65, 85))
arrObj

Produksjon:

array ([23, 32, 65, 85])

Bruke en liste til å lage en NumPy -matrise

arrObj = np.array ([43, 23, 75, 15])
arrObj

Produksjon:

array ([43, 23, 75, 15])

3. Hvordan lage 0D, 1D, 2D, 3D og N-Dimensional NumPy Arrays

0D -matriser

Hvert element i en matrise er en 0D -matrise.

arrObj = np.array (21)
arrObj

Produksjon:

matrise (21)

1D -matriser

Matriser som har 0D -matriser som elementene kalles 1D -matriser.

arrObj = np.array ([43, 23, 75, 15])
arrObj

Produksjon:

array ([43, 23, 75, 15])

2D -matriser

Arrays som har 1D -arrays som sine elementer kalles 2D -arrays.

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj

Produksjon:

matrise ([[12, 43, 21],
[67, 32, 98]])

3D -matriser

Matriser som har 2D -matriser (matriser) som elementene kalles 3D -matriser.

arrObj = np.array ([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
arrObj

Produksjon:

matrise ([[[23, 45, 22],
[45, 76, 23]],
[[67, 23, 56],
[12, 76, 63]]])

n-dimensjonale matriser

Du kan lage en matrise av en hvilken som helst dimensjon ved hjelp av ndmin argument.

arrObj = np.array ([23, 22, 65, 44], ndmin = 5)
arrObj

Produksjon:

array ([[[[[23, 22, 65, 44]]]]])

4. Hvordan sjekke dimensjonene til en matrise

Du finner dimensjonene til en matrise ved hjelp av ndim Egenskap.

arrObj1 = np.array (21)
arrObj2 = np.array ([43, 23, 75, 15])
arrObj3 = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj4 = np.array ([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
print (arrObj1.ndim)
print (arrObj2.ndim)
print (arrObj3.ndim)
print (arrObj4.ndim)

Produksjon:

0
1
2
3

5. Slik får du tilgang til elementene i 1D-, 2D- og 3D -arrays

Du kan få tilgang til et matriseelement ved å bruke indeksnummeret. For 2D- og 3D-matriser må du bruke kommaadskilte heltall som representerer indeksen for hver dimensjon.

arrObj1 = np.array ([43, 23, 75, 15])
arrObj2 = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj3 = np.array ([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
print (arrObj1 [2])
print (arrObj2 [0, 2])
print (arrObj3 [0, 1, 2])

Produksjon:

75
21
23

Merk: NumPy -matriser støtter også negativ indeksering.

I slekt: Hvorfor Python er fremtidens programmeringsspråk

6. Slik kontrollerer du datatypen til NumPy Array -objektet

Du kan kontrollere datatypen til NumPy -arrayobjektet ved hjelp av dtype eiendom.

arrObj1 = np.array ([1, 2, 3, 4])
arrObj2 = np.array ([1.3, 6.8, 3.5, 9.2])
arrObj3 = np.array (['Velkommen', 'til', 'MUO'])
print (arrObj1.dtype)
print (arrObj2.dtype)
print (arrObj3.dtype)

Produksjon:

int32
float64

Merk:

NumPy bruker følgende tegn for å representere de innebygde datatypene:

• i - heltall (signert)
• b - boolsk
• O - objekt
• S - streng
• u - usignert heltall
• f - flyte
• c - kompleks flyte
• m - timedelta
• M - datetime
• U - unicode -streng
• V - rådata (ugyldig)

7. Slik endrer du datatypen til en NumPy -matrise

Du kan endre datatypen til en NumPy -matrise ved hjelp av astype (datatype) metode. Denne metoden godtar datatypen som en parameter og oppretter en ny kopi av matrisen. Du kan angi datatypen ved å bruke tegn som 'b' for boolsk, 'i' for heltall, 'f' for float, etc.

Konvertering av et heltallsarray til et floatarray

arrObj = np.array ([43, 23, 75, 15])
floatArr = arrObj.astype ('f')
floatArr

Produksjon:

array ([43., 23., 75., 15.], dtype = float32)

Konvertering av en flottørmatrise til et heltallsarray

arrObj = np.array ([1.3, 6.8, 3.5, 9.2])
intArr = arrObj.astype ('i')
intArr

Produksjon:

array ([1, 6, 3, 9], dtype = int32)

I slekt: Python -prosjektideer som passer for nybegynnere

8. Hvordan kopiere en NumPy -matrise til en annen matrise

Du kan kopiere en NumPy -matrise til en annen matrise ved hjelp av np.copy () funksjon. Denne funksjonen returnerer en matrisekopi av det gitte objektet.

oldArr = np.array ([43, 23, 75, 15])
newArr = np.copy (oldArr)
newArr

Produksjon:

array ([43, 23, 75, 15])

9. Hvordan finne formen på en NumPy -matrise

Formen på en matrise refererer til antall elementer i hver dimensjon. Du kan finne formen på en matrise ved hjelp av form Egenskap. Den returnerer en tupel hvis elementer gir lengden på de tilsvarende matrisedimensjonene.

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
arrObj.form

Produksjon:

(2, 3)

I slekt: Hvordan bygge APIer i Python: Mest populære rammer

10. Hvordan omforme en NumPy -matrise

Å omforme en matrise betyr å endre formen. Vær oppmerksom på at du ikke kan omforme en matrise til en vilkårlig form. Antall elementer som kreves for omforming må være det samme i begge former.

arrObj = np.array ([43, 23, 75, 15, 34, 45])
reshapedArr = arrObj.reshape (2, 3)
reshapedArr

Produksjon:

matrise ([[43, 23, 75],
[15, 34, 45]])

I eksemplet ovenfor omformes et 1D -array til et 2D -array.

11. Slik flater du en NumPy -matrise

Å flate en matrise betyr å konvertere en flerdimensjonal matrise til en 1D -matrise. Du kan flate en matrise med omforme (-1).

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
flattenedArr = arrObj.reshape (-1)
flatet Arr

Produksjon:

array ([12, 43, 21, 67, 32, 98])

Merk: Du kan også flatere en matrise ved å bruke andre metoder som numpy.ndarray.flatten () og numpy.ravel ().

12. Slik sorterer du en NumPy -matrise

Du kan sortere en NumPy -matrise ved hjelp av numpy.sort () funksjon.

Sortering av 1D Array av heltal

arrObj = np.array ([43, 23, 75, 15])
np.sort (arrObj)

Produksjon:

array ([15, 23, 43, 75])

Sortering 1D Array of Strings

arrObj = np.array (["Python", "JavaScript", "Solidity", "Golang"])
np.sort (arrObj)

Produksjon:

array (['Golang', 'JavaScript', 'Python', 'Solidity'], dtype = '

Sortering av 2D Array of Integer

arrObj = np.array ([[12, 43, 21], [67, 32, 98]])
np.sort (arrObj)

Produksjon:

array ([[12, 21, 43], [32, 67, 98]])

Gjør koden din robust ved hjelp av innebygde metoder og funksjoner

Python er et av de mest populære programmeringsspråkene. Den brukes i forskjellige domener som webutvikling, vitenskapelige og numeriske applikasjoner, programvareutvikling og spillutvikling. Det er alltid godt å vite om innebygde metoder og funksjoner i Python. De kan forkorte koden din og øke effektiviteten.

20 Python -funksjoner du bør vite

Python Standard Library inneholder mange funksjoner som hjelper deg med programmeringsoppgavene. Lær om den mest nyttige og opprett mer robust kode.

Les neste

Om forfatteren