Ndarray er det n-dimensionelle array-objekt defineret i numpy, som gemmer samlingen af ​​den lignende type elementer. Med andre ord kan vi definere en ndarray som samlingen af ​​datatypen (dtype) objekter.

Ndarray-objektet kan tilgås ved at bruge den 0-baserede indeksering. Hvert element i Array-objektet indeholder den samme størrelse i hukommelsen.

Oprettelse af et ndarray-objekt

Ndarray-objektet kan oprettes ved at bruge array-rutinen i numpy-modulet. Til dette formål skal vi importere numpy.

 >>> a = numpy.array 

Overvej billedet nedenfor.

Vi kan også sende et samlingsobjekt ind i array-rutinen for at skabe det ækvivalente n-dimensionelle array. Syntaksen er angivet nedenfor.

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

Parametrene er beskrevet i følgende tabel.

For at oprette et array ved hjælp af listen skal du bruge følgende syntaks.

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

Brug følgende syntaks for at oprette et multidimensionalt array-objekt.

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

For at ændre datatypen for array-elementerne skal du nævne navnet på datatypen sammen med samlingen.

størrelse latex skrifttype

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

Find dimensionerne af arrayet

Det det er mig funktion kan bruges til at finde dimensionerne af arrayet.

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

Find størrelsen af ​​hvert array-element

Elementstørrelsesfunktionen bruges til at få størrelsen på hvert arrayelement. Det returnerer antallet af bytes taget af hvert array-element.

Overvej følgende eksempel.

Eksempel

 #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') 

Produktion:

computer arbejde

 Each item contains 8 bytes. 

Finde datatypen for hvert array-element

For at kontrollere datatypen for hvert array-element bruges dtype-funktionen. Overvej følgende eksempel for at kontrollere datatypen for matrixelementerne.

Eksempel

 #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) 

Produktion:

 Each item is of the type int64 

Finde formen og størrelsen af ​​arrayet

For at få formen og størrelsen af ​​arrayet bruges størrelsen og formfunktionen, der er forbundet med numpy arrayet.

Overvej følgende eksempel.

Eksempel

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

Produktion:

 Array Size: 7 Shape: (1, 7) 

Omformning af array-objekterne

Med formen på arrayet mener vi antallet af rækker og kolonner i et multidimensionelt array. Men numpy-modulet giver os mulighed for at omforme arrayet ved at ændre antallet af rækker og kolonner i det multidimensionelle array.

Reshape()-funktionen, der er knyttet til ndarray-objektet, bruges til at omforme arrayet. Den accepterer de to parametre, der angiver rækken og kolonnerne i den nye form af arrayet.

Lad os omforme arrayet i det følgende billede.

Eksempel

 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) 

Produktion:

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

Udskæring i Arrayet

Slicing i NumPy-arrayet er måden at udtrække en række elementer fra et array. Udskæring i arrayet udføres på samme måde, som det udføres i pythonlisten.

Overvej følgende eksempel for at udskrive et bestemt element i arrayet.

Eksempel

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

Produktion:

 2 5 

Ovenstående program udskriver 2^ndelement fra 0^thindeks og 0^thelement fra 2^ndindekset for arrayet.

Linspace

Linspace()-funktionen returnerer de jævnt fordelte værdier over det givne interval. Følgende eksempel returnerer de 10 jævnt adskilte værdier over det givne interval 5-15

Eksempel

 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) 

Produktion:

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

Finde maksimum, minimum og sum af array-elementerne

NumPy giver funktionerne max(), min() og sum() som bruges til at finde henholdsvis maksimum, minimum og sum af array-elementerne.

java-indsamlingsramme

Overvej følgende eksempel.

Eksempel

 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()) 

Produktion:

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

NumPy Array Axis

Et NumPy flerdimensionalt array er repræsenteret af aksen, hvor akse-0 repræsenterer kolonnerne og akse-1 repræsenterer rækkerne. Vi kan nævne aksen til at udføre række- eller kolonneniveauberegninger som tilføjelse af række- eller kolonneelementer.

pandas standardafvigelse

For at beregne det maksimale element blandt hver kolonne, minimumselementet blandt hver række og tilføjelsen af ​​alle rækkeelementerne, skal du overveje følgende eksempel.

Eksempel

 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)) 

Produktion:

 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] 

Find kvadratrod og standardafvigelse

Funktionerne sqrt() og std() forbundet med numpy-arrayet bruges til at finde henholdsvis kvadratroden og standardafvigelsen af ​​array-elementerne.

Standardafvigelse betyder, hvor meget hvert element i arrayet varierer fra middelværdien af ​​numpy-arrayet.

Overvej følgende eksempel.

Eksempel

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

Produktion:

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

Aritmetiske operationer på arrayet

Numpy-modulet giver os mulighed for at udføre de aritmetiske operationer på multi-dimensionelle arrays direkte.

I det følgende eksempel udføres de aritmetiske operationer på de to multidimensionelle arrays a og b.

Eksempel

 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) 

Array sammenkædning

Den numpy giver os den lodrette og vandrette stabling, som giver os mulighed for at sammenkæde to multidimensionelle arrays lodret eller vandret.

Overvej følgende eksempel.

Eksempel

 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))) 

Produktion:

 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]]