12 פעולות NumPy למתחילים

NumPy, המייצגת Python Numerical, היא ספריית Python המשמשת בעיקר לעבודה עם מערכים ולביצוע מגוון רחב של פעולות מתמטיות עליהם. זוהי ספריית הליבה למחשוב מדעי בפייתון. NumPy משמש לעתים קרובות עם ספריות פייתון אחרות הקשורות למדעי הנתונים כגון SciPy, Pandas ו- Matplotlib.

במאמר זה תלמד כיצד לבצע 12 פעולות בסיסיות באמצעות NumPy.

שימוש בדוגמאות NumPy אלה

תוכל להריץ את הדוגמאות במאמר זה על ידי הזנת הקוד ישירות למתרגם הפיתון. הפעל אותו במצב אינטראקטיבי, משורת הפקודה, לשם כך.

תוכל גם לגשת לקובץ Python Notebook שמכיל את קוד המקור המלא מאגר GitHub זה.

1. כיצד לייבא NumPy כ- np ולהדפיס את מספר הגרסה

אתה צריך להשתמש ב יְבוּא מילת מפתח לייבוא ​​כל ספרייה ב- Python. NumPy מיובא בדרך כלל תחת ה- np כינוי. עם גישה זו, אתה יכול להתייחס לחבילת NumPy כ np במקום ערמומי.

ייבא numpy כמו np
הדפסה (גרסה np .__)

תְפוּקָה:

1.20.1

2. כיצד ליצור אובייקט NumPy ndarray

אובייקט המערך ב- NumPy נקרא ndarray. אתה יכול ליצור את NumPy ndarray אובייקט באמצעות מַעֲרָך() שיטה. ה מַעֲרָך() שיטה מקבלת רשימה, אובייקט או אובייקט דמוי מערך.

שימוש ב- Tuple ליצירת מערך NumPy

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

תְפוּקָה:

מערך ([23, 32, 65, 85])

שימוש ברשימה ליצירת מערך NumPy

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

תְפוּקָה:

מערך ([43, 23, 75, 15])

3. כיצד ליצור מערכי NumPy 0D, 1D, 2D, 3D ו- N ממדים

מערכי 0D

כל אלמנט של מערך הוא מערך 0D.

arrObj = np.array (21)
arrObj

תְפוּקָה:

מערך (21)

מערכי 1D

מערכים שיש להם מערכי 0D כיסודותיהם נקראים מערכי 1D.

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

תְפוּקָה:

מערך ([43, 23, 75, 15])

מערכים דו -ממדיים

מערכים בעלי מערכי 1D כאלמנטים שלהם נקראים מערכי 2D.

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

תְפוּקָה:

מערך ([[12, 43, 21],
[67, 32, 98]])

מערכי תלת מימד

מערכים שיש להם מערכים דו -ממדיים (מטריצות) כאלמנטים שלהם נקראים מערכים תלת -ממדיים.

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

תְפוּקָה:

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

מערכים ממדים n

אתה יכול ליצור מערך של כל ממד באמצעות ndmin טַעֲנָה.

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

תְפוּקָה:

מערך ([[[[[23, 22, 65, 44]]]]])

4. כיצד לבדוק את מידות המערך

אתה יכול למצוא את ממדי המערך באמצעות ndim תְכוּנָה.

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]]])
הדפס (arrObj1.ndim)
הדפס (arrObj2.ndim)
הדפס (arrObj3.ndim)
הדפס (arrObj4.ndim)

תְפוּקָה:

0
1
2
3

5. כיצד לגשת למרכיבי מערכי 1D, 2D ו- 3D

אתה יכול לגשת לרכיב מערך באמצעות מספר האינדקס שלו. עבור מערכים דו-ממדיים ותלת-ממדיים, עליך להשתמש במספרים שלמים מופרדים בפסיקים המייצגים את האינדקס של כל ממד.

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]]])
הדפס (arrObj1 [2])
הדפס (arrObj2 [0, 2])
הדפס (arrObj3 [0, 1, 2])

תְפוּקָה:

75
21
23

הערה: מערכי NumPy תומכים גם באינדקס שלילי.

קָשׁוּר: מדוע פייתון היא שפת התכנות של העתיד

6. כיצד לבדוק את סוג הנתונים של אובייקט מערך NumPy

אתה יכול לבדוק את סוג הנתונים של אובייקט המערך NumPy באמצעות dtype תכונה.

arrObj1 = np.array ([1, 2, 3, 4])
arrObj2 = np.array ([1.3, 6.8, 3.5, 9.2])
arrObj3 = np.array (['ברוכים הבאים', 'אל', 'MUO'])
הדפס (arrObj1.dtype)
הדפס (arrObj2.dtype)
הדפס (arrObj3.dtype)

תְפוּקָה:

int32
float64

הערה:

NumPy משתמשת בתווים הבאים כדי לייצג את סוגי הנתונים המובנים:

• i - מספר שלם (חתום)
• ב - בוליאני
• O - אובייקט
• S - מחרוזת
• u - מספר שלם לא חתום
• f - לצוף
• c - מצוף מורכב
• m - timedelta
• M - תאריך
• U - מחרוזת unicode
• V - נתונים גולמיים (חלל)

7. כיצד לשנות את סוג הנתונים של מערך NumPy

ניתן לשנות את סוג הנתונים של מערך NumPy באמצעות astype (data_type) שיטה. שיטה זו מקבלת את סוג הנתונים כפרמטר ויוצרת עותק חדש של המערך. אתה יכול לציין את סוג הנתונים באמצעות תווים כמו 'b' עבור בוליאני, 'i' עבור מספר שלם, 'f' עבור float וכו '.

המרת מערך שלם למערך צף

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

תְפוּקָה:

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

המרת מערך צף למערך שלם

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

תְפוּקָה:

מערך ([1, 6, 3, 9], dtype = int32)

קָשׁוּר: רעיונות לפרוייקט פייתון המתאימים למתחילים

8. כיצד להעתיק מערך NumPy למערך אחר

ניתן להעתיק מערך NumPy למערך אחר באמצעות np.copy () פוּנקצִיָה. פונקציה זו מחזירה עותק מערך של האובייקט הנתון.

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

תְפוּקָה:

מערך ([43, 23, 75, 15])

9. כיצד למצוא את צורת מערך NumPy

צורת המערך מתייחסת למספר האלמנטים בכל ממד. אתה יכול למצוא את צורת המערך באמצעות צוּרָה תְכוּנָה. הוא מחזיר צמד שהאלמנטים שלו נותנים את אורכי מידות המערך המתאימות.

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

תְפוּקָה:

(2, 3)

קָשׁוּר: כיצד לבנות ממשקי API ב- Python: המסגרות הפופולריות ביותר

10. כיצד לעצב מחדש מערך NumPy

עיצוב מערך פירושו שינוי צורתו. שים לב שלא ניתן לעצב מחדש מערך לצורה שרירותית. מספר האלמנטים הנדרשים לעיצוב מחדש חייב להיות זהה בשתי הצורות.

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

תְפוּקָה:

מערך ([[43, 23, 75],
[15, 34, 45]])

בדוגמה לעיל, מערך 1D מעוצב מחדש למערך דו -ממדי.

11. כיצד לשטח מערך NumPy

פירוש מערך פירושו המרת מערך רב ממדי למערך 1D. אתה יכול לשטח מערך באמצעות עיצוב מחדש (-1).

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

תְפוּקָה:

מערך ([12, 43, 21, 67, 32, 98])

הערה: אתה יכול גם לשטח מערך בשיטות אחרות כמו numpy.ndarray.flatten () ו numpy.ravel ().

12. כיצד למיין מערך NumPy

ניתן למיין מערך NumPy באמצעות numpy.sort () פוּנקצִיָה.

מיון מערך 1D של שלמים

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

תְפוּקָה:

מערך ([15, 23, 43, 75])

מיון מערך מחרוזות בתלת ממד

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

תְפוּקָה:

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

מיון מערך דו -ממדי של שלמים

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

תְפוּקָה:

מערך ([[12, 21, 43], [32, 67, 98]])

הפוך את הקוד שלך לחזק באמצעות שיטות ופונקציות מובנות

פייתון היא אחת משפות התכנות הפופולריות ביותר. הוא משמש בתחומים שונים כמו פיתוח אתרים, יישומים מדעיים ומספריים, פיתוח תוכנה ופיתוח משחקים. תמיד טוב לדעת על שיטות ופונקציות מובנות ב- Python. הם יכולים לקצר את הקוד שלך ולהגדיל את יעילותו.

20 פונקציות פייתון שכדאי לדעת

הספרייה הסטנדרטית של פייתון מכילה פונקציות רבות המסייעות במשימות התכנות שלך. למד אודות הקוד הכי שימושי וצור קוד חזק יותר.

קרא הבא

על הסופר