L'array multidimensionale omogeneo è l'oggetto principale di NumPy . Si tratta fondamentalmente di una tabella di elementi tutti dello stesso tipo e indicizzati da una tupla di numeri interi positivi. Le dimensioni sono chiamate assi in NumPy.
np.argmax
La classe array di NumPy è nota come ndaray O matrice di alias . numpy.array non è la stessa classe della libreria Python standard array.array . array.array gestisce solo array unidimensionali e fornisce meno funzionalità.
Sintassi
numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
Parametri
Ci sono i seguenti parametri nella funzione numpy.array().
1) oggetto: array_like
Qualsiasi oggetto che espone un'interfaccia di array il cui metodo __array__ restituisce qualsiasi sequenza nidificata o un array.2) dtype: tipo di dati opzionale
Questo parametro viene utilizzato per definire il parametro desiderato per l'elemento dell'array. Se non definiamo il tipo di dati, determinerà il tipo come tipo minimo che richiederà di contenere l'oggetto nella sequenza. Questo parametro viene utilizzato solo per l'upcast dell'array.3) copia: bool (opzionale)
Se impostiamo copy uguale a true, l'oggetto viene copiato altrimenti la copia verrà eseguita quando un oggetto è una sequenza nidificata o è necessaria una copia per soddisfare uno qualsiasi degli altri requisiti come dtype, order, ecc.4) ordine: {'K', 'A', 'C', 'F'}, facoltativo
Il parametro order specifica il layout della memoria dell'array. Quando l'oggetto non è un array, l'array appena creato sarà in ordine C (testa della riga o riga principale) a meno che non venga specificato 'F'. Quando viene specificato F, sarà in ordine Fortran (testa di colonna o colonna principale). Quando l'oggetto è un array, mantiene il seguente ordine.| ordine | nessuna copia | copia=Vero |
|---|---|---|
| 'K' | Invariato | Ordine F e C preservato. |
| 'UN' | Invariato | Quando l'input è F e non C, l'ordine F altrimenti l'ordine C |
| 'C' | Ordine C | Ordine C |
| 'F' | Ordine F | Ordine F |
Quando copy=False o la copia viene eseguita per un altro motivo, il risultato sarà lo stesso di copy= True con alcune eccezioni per A. L'ordine predefinito è 'K'.
5) test: bool (opzionale)
esempio Java Lambda
Quando subok=True, le sottoclassi passeranno; in caso contrario, l'array restituito verrà forzato ad essere un array di classe base (impostazione predefinita).
6) ndmin: int (opzionale)
Questo parametro specifica il numero minimo di dimensioni che dovrebbe avere l'array risultante. Gli utenti possono essere anteposti alla forma secondo necessità per soddisfare questo requisito.
ritorna
Il metodo numpy.array() restituisce un ndarray. Ndarray è un oggetto array che soddisfa i requisiti specificati.
includere la programmazione in c
Esempio 1: numpy.array()
import numpy as np arr=np.array([1,2,3]) arr
Produzione:
array([1, 2, 3])
Nel codice sopra
- Abbiamo importato Numpy con il nome alias np.
- Abbiamo dichiarato la variabile 'arr' e assegnato il valore restituito dalla funzione np.array().
- Nella funzione array() abbiamo passato solo gli elementi, non gli assi.
- Infine, abbiamo provato a stampare il valore di arr.
Nell'output è stato mostrato un array.
Esempio 2:
import numpy as np arr=np.array([1,2.,3.]) arr
Produzione:
array([1., 2., 3.])
Nel codice sopra
- Abbiamo importato Numpy con il nome alias np.
- Abbiamo dichiarato la variabile 'arr' e assegnato il valore restituito dalla funzione np.array().
- Nella funzione array() abbiamo passato elementi di tipo diverso come intero, float, ecc.
- Infine, abbiamo provato a stampare il valore di arr.
Nell'output è stato visualizzato un array contenente elementi di tale tipo che richiedono memoria minima per contenere l'oggetto nella sequenza.
Esempio 3: più di una dimensione
import numpy as np arr=np.array([[1,2.,3.],[4.,5.,7]]) arr
Produzione:
array([[1., 2., 3.], [4., 5., 7.]])
Nel codice sopra
- Abbiamo importato Numpy con il nome alias np.
- Abbiamo dichiarato la variabile 'arr' e assegnato il valore restituito dalla funzione np.array().
- Nella funzione array(), abbiamo passato il numero di elementi in diverse parentesi quadre.
- Infine, abbiamo provato a stampare il valore di arr.
Nell'output è stato mostrato un array multidimensionale.
Esempio 4: Dimensioni minime: 2
import numpy as np arr=np.array([1,2.,3.],ndmin=2) arr
Produzione:
altezza kat timpf
array([[1., 2., 3.]])
Nel codice sopra
- Abbiamo importato Numpy con il nome alias np.
- Abbiamo dichiarato la variabile 'arr' e assegnato il valore restituito dalla funzione np.array().
- Nella funzione array(), abbiamo passato il numero di elementi in una parentesi quadra e la dimensione per creare un ndarray.
- Infine, abbiamo provato a stampare il valore di arr.
Nell'output è stata mostrata una matrice bidimensionale.
Esempio 5: tipo fornito
import numpy as np arr=np.array([12,45.,3.],dtype=complex) arr
Produzione:
15 di 100,00
array([12.+0.j, 45.+0.j, 3.+0.j])
Nel codice sopra
- Abbiamo importato Numpy con il nome alias np.
- Abbiamo dichiarato la variabile 'arr' e assegnato il valore restituito dalla funzione np.array().
- Nella funzione array() abbiamo passato gli elementi tra parentesi quadre e impostato dtype su complesso.
- Infine, abbiamo provato a stampare il valore di arr.
Nell'output, i valori degli elementi 'arr' sono stati mostrati sotto forma di numeri complessi.
Esempio 6: creazione di un array da sottoclassi
import numpy as np arr=np.array(np.mat('1 2;3 4')) arr arr=np.array(np.mat('1 2;3 4'),subok=True) arr
Produzione:
array([[1, 2], [3, 4]]) matrix([[1, 2], [3, 4]])
Nel codice sopra
- Abbiamo importato Numpy con il nome alias np.
- Abbiamo dichiarato la variabile 'arr' e assegnato il valore restituito dalla funzione np.array().
- Nella funzione array(), abbiamo passato gli elementi sotto forma di matrice utilizzando la funzione np.mat() e impostato subok=True.
- Infine, abbiamo provato a stampare il valore di arr.
Nell'output è stato mostrato un array multidimensionale.