Ndarray è l'oggetto array n-dimensionale definito nel numpy che memorizza la raccolta di elementi di tipo simile. In altre parole, possiamo definire un ndarray come la raccolta di oggetti del tipo dati (dtype).
È possibile accedere all'oggetto ndarray utilizzando l'indicizzazione basata su 0. Ogni elemento dell'oggetto Array contiene la stessa dimensione in memoria.
Creazione di un oggetto ndarray
L'oggetto ndarray può essere creato utilizzando la routine array del modulo numpy. A questo scopo, dobbiamo importare il file numpy.
>>> a = numpy.array
Considera l'immagine qui sotto.
Possiamo anche passare un oggetto raccolta nella routine dell'array per creare l'array n-dimensionale equivalente. La sintassi è riportata di seguito.
>>> numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
I parametri sono descritti nella tabella seguente.
| SN | Parametro | Descrizione |
|---|---|---|
| 1 | oggetto | Rappresenta l'oggetto della raccolta. Può essere una lista, una tupla, un dizionario, un set, ecc. |
| 2 | dtype | Possiamo cambiare il tipo di dati degli elementi dell'array modificando questa opzione nel tipo specificato. Il valore predefinito è nessuno. |
| 3 | copia | È facoltativo. Per impostazione predefinita, è vero, il che significa che l'oggetto viene copiato. |
| 4 | ordine | Possono essere assegnati 3 possibili valori a questa opzione. Può essere C (ordine delle colonne), R (ordine delle righe) o A (qualsiasi) |
| 5 | testato | Per impostazione predefinita, l'array restituito sarà un array della classe base. Possiamo cambiarlo per far passare le sottoclassi impostando questa opzione su true. |
| 6 | ndmin | Rappresenta le dimensioni minime dell'array risultante. |
Per creare un array utilizzando l'elenco, utilizzare la seguente sintassi.
>>> a = numpy.array([1, 2, 3])
Per creare un oggetto array multidimensionale, utilizzare la seguente sintassi.
>>> a = numpy.array([[1, 2, 3], [4, 5, 6]])
Per modificare il tipo di dati degli elementi dell'array, menzionare il nome del tipo di dati insieme alla raccolta.
ordine per sql casuale
>>> a = numpy.array([1, 3, 5, 7], complex)
Trovare le dimensioni dell'Array
IL sono io la funzione può essere utilizzata per trovare le dimensioni dell'array.
>>> import numpy as np >>> arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) >>> print(arr.ndim)
Trovare la dimensione di ciascun elemento dell'array
La funzione itemsize viene utilizzata per ottenere la dimensione di ciascun elemento dell'array. Restituisce il numero di byte occupati da ciascun elemento dell'array.
Considera il seguente esempio.
Esempio
#finding the size of each item in the array import numpy as np a = np.array([[1,2,3]]) print('Each item contains',a.itemsize,'bytes')
Produzione:
Each item contains 8 bytes.
Trovare il tipo di dati di ciascun elemento dell'array
Per verificare il tipo di dati di ciascun elemento dell'array, viene utilizzata la funzione dtype. Considerare l'esempio seguente per verificare il tipo di dati degli elementi dell'array.
Esempio
#finding the data type of each array item import numpy as np a = np.array([[1,2,3]]) print('Each item is of the type',a.dtype)
Produzione:
Each item is of the type int64
Trovare la forma e la dimensione dell'array
Per ottenere la forma e la dimensione dell'array, viene utilizzata la funzione size e shape associata all'array Numpy.
Considera il seguente esempio.
svuotare la cache npm
Esempio
import numpy as np a = np.array([[1,2,3,4,5,6,7]]) print('Array Size:',a.size) print('Shape:',a.shape)
Produzione:
Array Size: 7 Shape: (1, 7)
Rimodellamento degli oggetti dell'array
Per forma dell'array intendiamo il numero di righe e colonne di un array multidimensionale. Tuttavia, il modulo Numpy ci fornisce il modo di rimodellare l'array modificando il numero di righe e colonne dell'array multidimensionale.
La funzione reshape() associata all'oggetto ndarray viene utilizzata per rimodellare l'array. Accetta i due parametri che indicano la riga e le colonne della nuova forma dell'array.
Rimodelliamo l'array fornito nell'immagine seguente.
Esempio
import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print('printing the original array..') print(a) a=a.reshape(2,3) print('printing the reshaped array..') print(a)
Produzione:
printing the original array.. [[1 2] [3 4] [5 6]] printing the reshaped array.. [[1 2 3] [4 5 6]]
Affettare nell'array
L'affettamento nell'array NumPy è il modo per estrarre un intervallo di elementi da un array. La suddivisione nell'array viene eseguita nello stesso modo in cui viene eseguita nell'elenco Python.
Considera l'esempio seguente per stampare un particolare elemento dell'array.
Esempio
import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print(a[0,1]) print(a[2,0])
Produzione:
2 5
Il programma sopra stampa il 2ndelemento da 0thindice e 0thelemento del 2ndindice dell'array.
Linspace
La funzione linspace() restituisce i valori equidistanti nell'intervallo specificato. L'esempio seguente restituisce i 10 valori equamente separati nell'intervallo specificato 5-15
Esempio
import numpy as np a=np.linspace(5,15,10) #prints 10 values which are evenly spaced over the given interval 5-15 print(a)
Produzione:
[ 5. 6.11111111 7.22222222 8.33333333 9.44444444 10.55555556 11.66666667 12.77777778 13.88888889 15. ]
Trovare il massimo, il minimo e la somma degli elementi dell'array
NumPy fornisce le funzioni max(), min() e sum() che vengono utilizzate per trovare rispettivamente il massimo, il minimo e la somma degli elementi dell'array.
esempio di codice Java
Considera il seguente esempio.
Esempio
import numpy as np a = np.array([1,2,3,10,15,4]) print('The array:',a) print('The maximum element:',a.max()) print('The minimum element:',a.min()) print('The sum of the elements:',a.sum())
Produzione:
The array: [ 1 2 3 10 15 4] The maximum element: 15 The minimum element: 1 The sum of the elements: 35
Asse dell'array NumPy
Un array multidimensionale NumPy è rappresentato dall'asse dove l'asse-0 rappresenta le colonne e l'asse-1 rappresenta le righe. Possiamo menzionare l'asse per eseguire calcoli a livello di riga o di colonna come l'aggiunta di elementi di riga o di colonna.
come convertire un carattere in una stringa
Per calcolare l'elemento massimo tra ciascuna colonna, l'elemento minimo tra ciascuna riga e la somma di tutti gli elementi della riga, considerare il seguente esempio.
Esempio
import numpy as np a = np.array([[1,2,30],[10,15,4]]) print('The array:',a) print('The maximum elements of columns:',a.max(axis = 0)) print('The minimum element of rows',a.min(axis = 1)) print('The sum of all rows',a.sum(axis = 1))
Produzione:
The array: [[1 2 30] [10 15 4]] The maximum elements of columns: [10 15 30] The minimum element of rows [1 4] The sum of all rows [33 29]
Trovare la radice quadrata e la deviazione standard
Le funzioni sqrt() e std() associate all'array numpy vengono utilizzate per trovare rispettivamente la radice quadrata e la deviazione standard degli elementi dell'array.
La deviazione standard indica quanto ogni elemento dell'array varia dal valore medio dell'array numpy.
Considera il seguente esempio.
Esempio
import numpy as np a = np.array([[1,2,30],[10,15,4]]) print(np.sqrt(a)) print(np.std(a))
Produzione:
[[1. 1.41421356 5.47722558] [3.16227766 3.87298335 2. ]] 10.044346115546242
Operazioni aritmetiche sull'array
Il modulo Numpy ci consente di eseguire direttamente le operazioni aritmetiche su array multidimensionali.
Nell'esempio seguente, le operazioni aritmetiche vengono eseguite sui due array multidimensionali a e b.
Esempio
import numpy as np a = np.array([[1,2,30],[10,15,4]]) b = np.array([[1,2,3],[12, 19, 29]]) print('Sum of array a and b ',a+b) print('Product of array a and b ',a*b) print('Division of array a and b ',a/b)
Concatenazione di array
Il numpy ci fornisce lo stacking verticale e lo stacking orizzontale che ci consente di concatenare due array multidimensionali verticalmente o orizzontalmente.
Considera il seguente esempio.
Esempio
import numpy as np a = np.array([[1,2,30],[10,15,4]]) b = np.array([[1,2,3],[12, 19, 29]]) print('Arrays vertically concatenated ',np.vstack((a,b))); print('Arrays horizontally concatenated ',np.hstack((a,b)))
Produzione:
Arrays vertically concatenated [[ 1 2 30] [10 15 4] [ 1 2 3] [12 19 29]] Arrays horizontally concatenated [[ 1 2 30 1 2 3] [10 15 4 12 19 29]]