TechCodeview

Ndarray je n-dimenzionalni matrični objekt, definiran v numpy, ki shranjuje zbirko podobnih vrst elementov. Z drugimi besedami, ndarray lahko definiramo kot zbirko objektov podatkovnega tipa (dtype).

Do predmeta ndarray je mogoče dostopati z uporabo indeksiranja na osnovi 0. Vsak element predmeta Array vsebuje enako velikost v pomnilniku.

Ustvarjanje predmeta ndarray

Objekt ndarray je mogoče ustvariti z uporabo matrične rutine modula numpy. V ta namen moramo uvoziti numpy.

 >>> a = numpy.array 

Razmislite o spodnji sliki.

Objekt zbirke lahko posredujemo tudi v rutino matrike, da ustvarimo enakovredno n-dimenzionalno matriko. Sintaksa je podana spodaj.

 >>> numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0) 

Parametri so opisani v naslednji tabeli.

Če želite ustvariti matriko s seznamom, uporabite naslednjo sintakso.

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

Če želite ustvariti večdimenzionalni matrični objekt, uporabite naslednjo sintakso.

 >>> a = numpy.array([[1, 2, 3], [4, 5, 6]]) 

Če želite spremeniti podatkovni tip elementov polja, navedite ime podatkovnega tipa skupaj z zbirko.

branje iz datoteke csv v javi

 >>> a = numpy.array([1, 3, 5, 7], complex) 

Iskanje dimenzij matrike

The jaz sem funkcijo lahko uporabite za iskanje dimenzij matrike.

 >>> import numpy as np >>> arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) >>> print(arr.ndim) 

Iskanje velikosti vsakega elementa matrike

Funkcija itemsize se uporablja za pridobitev velikosti vsakega elementa polja. Vrne število bajtov, ki jih zasede vsak element polja.

Razmislite o naslednjem primeru.

Primer

 #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') 

Izhod:

do while zanka java

 Each item contains 8 bytes. 

Iskanje podatkovnega tipa vsake postavke polja

Za preverjanje tipa podatkov vsakega elementa matrike se uporablja funkcija dtype. Razmislite o naslednjem primeru, da preverite vrsto podatkov elementov matrike.

Primer

 #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) 

Izhod:

 Each item is of the type int64 

Iskanje oblike in velikosti niza

Za pridobitev oblike in velikosti matrike se uporabi funkcija velikosti in oblike, povezana z matriko numpy.

Razmislite o naslednjem primeru.

Primer

 import numpy as np a = np.array([[1,2,3,4,5,6,7]]) print('Array Size:',a.size) print('Shape:',a.shape) 

Izhod:

 Array Size: 7 Shape: (1, 7) 

Preoblikovanje matričnih objektov

Z obliko matrike razumemo število vrstic in stolpcev večdimenzionalne matrike. Vendar pa nam modul numpy ponuja način za preoblikovanje matrike s spreminjanjem števila vrstic in stolpcev večdimenzionalne matrike.

Funkcija reshape(), povezana z objektom ndarray, se uporablja za preoblikovanje matrike. Sprejme dva parametra, ki označujeta vrstico in stolpce nove oblike matrike.

Preoblikujemo matriko, podano na naslednji sliki.

Primer

 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) 

Izhod:

 printing the original array.. [[1 2] [3 4] [5 6]] printing the reshaped array.. [[1 2 3] [4 5 6]] 

Rezanje v matriki

Rezanje v matriki NumPy je način za ekstrahiranje obsega elementov iz matrike. Rezanje v matriki se izvaja na enak način, kot se izvaja na seznamu python.

Razmislite o naslednjem primeru za tiskanje določenega elementa matrike.

Primer

 import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print(a[0,1]) print(a[2,0]) 

Izhod:

razlika med večerjo in večerjo

 2 5 

Zgornji program natisne 2^ndelement iz 0^thindeks in 0^thelement iz 2^ndindeks matrike.

Linspace

Funkcija linspace() vrne enakomerno razporejene vrednosti v danem intervalu. Naslednji primer vrne 10 enakomerno ločenih vrednosti v danem intervalu 5-15

Primer

 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) 

Izhod:

 [ 5. 6.11111111 7.22222222 8.33333333 9.44444444 10.55555556 11.66666667 12.77777778 13.88888889 15. ] 

Iskanje maksimuma, minimuma in vsote elementov polja

NumPy ponuja funkcije max(), min() in sum(), ki se uporabljajo za iskanje največje, najmanjše in vsote elementov polja.

Razmislite o naslednjem primeru.

Primer

 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()) 

Izhod:

 The array: [ 1 2 3 10 15 4] The maximum element: 15 The minimum element: 1 The sum of the elements: 35 

Os matrike NumPy

Večdimenzionalni niz NumPy je predstavljen z osjo, kjer os-0 predstavlja stolpce, os-1 pa vrstice. Omenimo lahko os za izvajanje izračunov na ravni vrstice ali stolpca, kot je dodajanje elementov vrstice ali stolpca.

Če želite izračunati največji element v vsakem stolpcu, najmanjši element v vsaki vrstici in seštevek vseh elementov vrstice, upoštevajte naslednji primer.

Primer

 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)) 

Izhod:

 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] 

Iskanje kvadratnega korena in standardnega odklona

Funkciji sqrt() in std(), povezani z matriko numpy, se uporabljata za iskanje kvadratnega korena oziroma standardnega odklona elementov matrike.

Standardni odklon pomeni, koliko se vsak element matrike razlikuje od srednje vrednosti matrike numpy.

sort arraylist v Javi

Razmislite o naslednjem primeru.

Primer

 import numpy as np a = np.array([[1,2,30],[10,15,4]]) print(np.sqrt(a)) print(np.std(a)) 

Izhod:

 [[1. 1.41421356 5.47722558] [3.16227766 3.87298335 2. ]] 10.044346115546242 

Aritmetične operacije na matriki

Modul numpy nam omogoča neposredno izvajanje aritmetičnih operacij na večdimenzionalnih nizih.

V naslednjem primeru se aritmetične operacije izvajajo na dveh večdimenzionalnih nizih a in b.

Primer

 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) 

Združevanje nizov

Numpy nam ponuja navpično zlaganje in vodoravno zlaganje, ki nam omogoča združevanje dveh večdimenzionalnih nizov navpično ali vodoravno.

Razmislite o naslednjem primeru.

Primer

 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))) 

Izhod:

 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]]