NumPy в Питоне

Введение :

NumPy — это библиотека Python, используемая для работы с массивами.
NumPy означает числовой Python.

Зачем использовать NumPy?

• Списки в python служат той же цели, что и массивы, но они медленнее обрабатываются.
• NumPy предоставляет объект массива, который работает до 50 раз быстрее, чем традиционные списки Python.

Импорт NumPy:

import numpy 

Теперь он готов к использованию.

import numpy 
a=numpy.array([1,2,3])
print(a)

Импорт NumPy с псевдонимом:

Обычно numpy импортируется с псевдонимом np.

псевдоним : псевдоним — это альтернативное имя для ссылки на одно и то же.

import numpy as np
a=np.array([1,2,3])
print(a)

Создайте массивы с NumPy:

array() метод numpy используется для создания массивов в numpy.
Объект массива в numpy называется ndarray.

import numpy as np
a=np.array([1,2,3])
print(a)
print(type(a))

type() функция сообщит тип переданного ей объекта.

Вы можете передать любые списки, кортежи, словари в массиве, и они будут преобразованы в объект ndarray.

Размеры в массиве:

• 0-D Массив:

import numpy as np
a=np.array(42)
print(a)

• Одномерный массив:

import numpy as np
a=np.aaray([1,2,3])
print(a)

• 2-D массив:

import numpy as np
a=np.array([[1,2,3],[4,5,6]])
print(a)

• Трехмерный массив:

import numpy as np
a=np.array([[[1,2,3],[4,5,6]],[7,8,9],[9,1,2]]])
print(a)

Вы также можете проверить количество измерений в массиве с помощью ndim атрибут в питоне.

import numpy as np
a=np.array([[1,2,3],[4,5,6]])
print(a.ndim)

Индексация NumPy:

Мы можем получить доступ к элементам массива, обратившись к его порядковому номеру.
Индексация в numpy начинается с 0, первый элемент имеет индекс 0, а второй элемент имеет индекс 1 и так далее.

#Get the first element from an array : 
import numpy as np
a=np.array([1,2,3])
print(a[0])

# Get the second and third element and add them :
import numpy as np
a=np.array([1,2,3,4,5])
print(a[1]+a[2])

Доступ к двумерному массиву:

Чтобы получить доступ к элементам из двумерного массива, вы можете написать его как [row index number,column index number]

#Access the element on the first row and second column:
import numpy as np
a=np.array([[1,2,3,4]],[5,6,7,8]])
print(a[0,1])

Отрицательное индексирование:

Отрицательная индексация начинается с -1 с конца.

#Print the last element from 2nd dimension :
import numpy as np
a=np.array([[1,2,3,4],[5,6,7,8]])
print(a[1,-1])

Нарезка в NumPy:

Нарезка — это выборка элементов из одного заданного индекса в другой заданный индекс.
Мы можем передать фрагмент следующим образом:
[start:end:step]

• если вы не передаете start по умолчанию, это 0.
• если вы не передаете конец по умолчанию, это длина измерения.
• если вы не пройдете шаг по умолчанию, это 1.

#Slice elements from index 1 to index 5 :
import numpy as np
a=np.array([1,2,3,4,5,6])
print(a[1:5])

#Slice elements from index 4 to the end of the array :
import numpy as np
a=np.array([1,2,3,4,5,6])
print(a[4::])

Отрицательная нарезка:

#Slice from index 3 from the end to index 1 from the end :
import numpy as np
a=np.array([1,2,3,4,5,6])
print(a[-3:-1])

Пошаговая нарезка:

#Return every other element from index 1 to index 5 :
import numpy as np
a=np.array([1,2,3,4,5,6])
print(a[1:5:2])

Разрезание двумерного массива:

# From the second array slice the elements from index 1 to index 4 :
import numpy as np
a=np.array([[1,2,3,4,5,6,7],[7,8,9,8,7,6,5]])
print(a[1,1:4]

Проверка типа данных массива:

Вы можете проверить тип данных элементов, присутствующих в массиве, используя dtype атрибут.

import numpy as np
a=np.array([1,2,3,4,5])
print(a.dtype)

Форма массива:

Форма массива — это количество строк и столбцов в массиве.
shape атрибут numpy возвращает кортеж количества строк и столбцов.

#Print the shape of 2-D Array :
import numpy as np
a=np.array([[1,2,3],[4,5,6]])
print(a.shape)

Изменение массива:

Изменение формы массива означает изменение формы массива.

#Convert the following 1-D Array into 2-D Array :
import numpy as np
a=np.array([1,2,3,4,5,6,7,8,9,10,11,12])
x=a.reshape(3,4)
print(x)