NumPy skep skikkings
Skep 'n NumPy ndarray-voorwerp
NumPy word gebruik om met skikkings te werk. Die skikking voorwerp in NumPy word genoem
ndarray
.
Ons kan 'n NumPy-
ndarray
objek skep deur die array()
funksie te gebruik.
Voorbeeld
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))
type(): Hierdie ingeboude Python-funksie vertel vir ons die tipe voorwerp wat daaraan oorgedra is. Soos in die kode hierbo, wys dit dat arr
dit
numpy.ndarray
tipe is.
Om 'n te skep ndarray
, kan ons 'n lys, tupel of enige skikking-agtige voorwerp in die array()
metode deurgee, en dit sal omgeskakel word in 'n
ndarray
:
Voorbeeld
Gebruik 'n tupel om 'n NumPy-skikking te skep:
import numpy as np
arr = np.array((1, 2, 3, 4, 5))
print(arr)
Afmetings in skikkings
'n Dimensie in skikkings is een vlak van skikkingsdiepte (geneste skikkings).
geneste skikking: is skikkings wat skikkings as hul elemente het.
0-D Skikkings
0-D skikkings, of skalare, is die elemente in 'n skikking. Elke waarde in 'n skikking is 'n 0-D skikking.
Voorbeeld
Skep 'n 0-D skikking met waarde 42
import numpy as np
arr = np.array(42)
print(arr)
1-D Skikkings
'n Skikking wat 0-D skikkings as sy elemente het, word eendimensionele of 1-D skikking genoem.
Dit is die mees algemene en basiese skikkings.
Voorbeeld
Skep 'n 1-D skikking wat die waardes 1,2,3,4,5 bevat:
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
2-D Skikkings
'n Skikking wat 1-D skikkings as sy elemente het, word 'n 2-D skikking genoem.
Dit word dikwels gebruik om matriks of 2de orde tensors voor te stel.
NumPy het 'n hele submodule wat toegewy is aan matriksbewerkings genoem
numpy.mat
Voorbeeld
Skep 'n 2-D skikking wat twee skikkings bevat met die waardes 1,2,3 en 4,5,6:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
3-D skikkings
'n Skikking wat 2-D skikkings (matrikse) as sy elemente het, word 3-D skikking genoem.
Dit word dikwels gebruik om 'n 3de orde tensor voor te stel.
Voorbeeld
Skep 'n 3-D skikking met twee 2-D skikkings, wat albei twee skikkings bevat met die waardes 1,2,3 en 4,5,6:
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)
Gaan aantal afmetings na?
NumPy Arrays verskaf die ndim
kenmerk wat 'n heelgetal gee wat ons vertel hoeveel dimensies die skikking het.
Voorbeeld
Kyk hoeveel afmetings die skikkings het:
import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)
Hoër dimensionele skikkings
'n Skikking kan enige aantal dimensies hê.
Wanneer die skikking geskep is, kan jy die aantal dimensies definieer deur die ndmin
argument te gebruik.
Voorbeeld
Skep 'n skikking met 5 dimensies en verifieer dat dit 5 dimensies het:
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)
In hierdie skikking het die binneste dimensie (5de dowwe) 4 elemente, die 4de dowwe het 1 element wat die vektor is, die 3de dowwe het 1 element wat die matriks met die vektor is, die 2de dowwe het 1 element wat 3D skikking is en 1ste dim het 1 element wat 'n 4D-skikking is.