A homogén többdimenziós tömb a fő tárgya NumPy . Ez alapvetően egy táblázat olyan elemekből, amelyek mindegyike azonos típusú, és pozitív egész számokkal indexelve. A méreteket NumPy-ban tengelynek nevezzük.
húr c
A NumPy tömbosztálya az úgynevezett ndarray vagy alias tömb . A numpy.array nem ugyanaz, mint a szabványos Python könyvtárosztály array.array . Az array.array csak egydimenziós tömböket kezel, és kevesebb funkcionalitást biztosít.
Szintaxis
numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
Paraméterek
A numpy.array() függvényben a következő paraméterek találhatók.
1) objektum: array_like
Bármely objektum, amely egy tömb interfészt tesz közzé, amelynek __array__ metódusa bármilyen beágyazott sorozatot vagy tömböt ad vissza.2) dtype : opcionális adattípus
Ez a paraméter a tömbelem kívánt paraméterének meghatározására szolgál. Ha nem adjuk meg az adattípust, akkor a típust fogja meghatározni minimális típusként, amelyre szükség lesz az objektum sorozatban tartásához. Ez a paraméter csak a tömb feltöltésénél használatos.3) másolás: bool (nem kötelező)
maven installHa a másolat értéket igaznak állítjuk be, akkor az objektum másolásra kerül, különben a másolat akkor készül, ha egy objektum beágyazott sorozat, vagy egy másolatra van szükség bármely egyéb követelmény kielégítéséhez, mint például a dtype, order stb.
4) sorrend: {'K', 'A', 'C', 'F'}, opcionális
Az order paraméter határozza meg a tömb memóriaelrendezését. Ha az objektum nem tömb, az újonnan létrehozott tömb C sorrendben lesz (sorfej vagy sorfő), hacsak nincs megadva 'F'. Ha F van megadva, akkor Fortran sorrendben lesz (oszlopfej vagy oszlopfő). Ha az objektum egy tömb, akkor a következő sorrendet használja.| rendelés | nincs másolat | copy=Igaz |
|---|---|---|
| 'K' | Változatlan | F és C sorrend megmarad. |
| 'A' | Változatlan | Ha a bemenet F és nem C, akkor F sorrend, ellenkező esetben C sorrend |
| 'C' | C sorrendben | C sorrendben |
| 'F' | F sorrendben | F sorrendben |
Ha copy=False vagy a másolás más okból készül, az eredmény ugyanaz lesz, mint a copy= igaz, néhány kivétellel A esetén. Az alapértelmezett sorrend a 'K'.
5) teszt: bool (opcionális)
Ha subok=True, akkor az alosztályok átmennek; ellenkező esetben a visszaadott tömb alaposztályú tömb lesz (alapértelmezett).
6) ndmin : int (nem kötelező)
Ez a paraméter határozza meg a dimenziók minimális számát, amellyel az eredményül kapott tömbnek rendelkeznie kell. A felhasználók szükség szerint hozzáfűzhetők az alakzathoz, hogy megfeleljenek ennek a követelménynek.
Visszatér
A numpy.array() metódus egy ndarray-t ad vissza. Az ndarray egy tömbobjektum, amely megfelel a megadott követelményeknek.
string konvertálása int java
1. példa: numpy.array()
import numpy as np arr=np.array([1,2,3]) arr
Kimenet:
array([1, 2, 3])
A fenti kódban
- Importáltuk a numpy-t np aliasnévvel.
- Deklaráltuk az 'arr' változót, és hozzárendeltük az np.array() függvény által visszaadott értéket.
- Az array() függvényben csak az elemeket adtuk át, a tengelyt nem.
- Végül megpróbáltuk kinyomtatni az arr értékét.
A kimenetben egy tömb látható.
2. példa:
import numpy as np arr=np.array([1,2.,3.]) arr
Kimenet:
array([1., 2., 3.])
A fenti kódban
- Importáltuk a numpy-t np aliasnévvel.
- Deklaráltuk az 'arr' változót, és hozzárendeltük az np.array() függvény által visszaadott értéket.
- Az array() függvényben különböző típusú elemeket adtunk át, például integer, float stb.
- Végül megpróbáltuk kinyomtatni az arr értékét.
A kimenetben egy tömb jelenik meg, amely olyan típusú elemeket tartalmaz, amelyek minimális memóriát igényelnek az objektum sorozatban tartásához.
3. példa: Egynél több dimenzió
import numpy as np arr=np.array([[1,2.,3.],[4.,5.,7]]) arr
Kimenet:
array([[1., 2., 3.], [4., 5., 7.]])
A fenti kódban
- Importáltuk a numpy-t np aliasnévvel.
- Deklaráltuk az 'arr' változót, és hozzárendeltük az np.array() függvény által visszaadott értéket.
- Az array() függvényben különböző szögletes zárójelben adtuk át az elemek számát.
- Végül megpróbáltuk kinyomtatni az arr értékét.
A kimenetben egy többdimenziós tömb látható.
4. példa: Minimális méretek: 2
import numpy as np arr=np.array([1,2.,3.],ndmin=2) arr
Kimenet:
bash karakterlánc elválasztóval osztott
array([[1., 2., 3.]])
A fenti kódban
- Importáltuk a numpy-t np aliasnévvel.
- Deklaráltuk az 'arr' változót, és hozzárendeltük az np.array() függvény által visszaadott értéket.
- Az array() függvényben megadtuk a szögletes zárójelben lévő elemek számát és a méretet az ndarray létrehozásához.
- Végül megpróbáltuk kinyomtatni az arr értékét.
A kimenetben egy kétdimenziós tömb látható.
5. példa: megadott típus
import numpy as np arr=np.array([12,45.,3.],dtype=complex) arr
Kimenet:
array([12.+0.j, 45.+0.j, 3.+0.j])
A fenti kódban
- Importáltuk a numpy-t np aliasnévvel.
- Deklaráltuk az 'arr' változót, és hozzárendeltük az np.array() függvény által visszaadott értéket.
- Az array() függvényben átadtuk a szögletes zárójelben lévő elemeket, és a dtype-ot komplexre állítottuk.
- Végül megpróbáltuk kinyomtatni az arr értékét.
A kimenetben az „arr” elemek értékei komplex számok formájában jelennek meg.
jelentkezzen ki a google fiókból androidon
6. példa: Tömb létrehozása alosztályokból
import numpy as np arr=np.array(np.mat('1 2;3 4')) arr arr=np.array(np.mat('1 2;3 4'),subok=True) arr
Kimenet:
array([[1, 2], [3, 4]]) matrix([[1, 2], [3, 4]])
A fenti kódban
- Importáltuk a numpy-t np aliasnévvel.
- Deklaráltuk az 'arr' változót, és hozzárendeltük az np.array() függvény által visszaadott értéket.
- Az array() függvényben az np.mat() függvény segítségével mátrix formájában adtuk át az elemeket, és beállítottuk a subok=True értéket.
- Végül megpróbáltuk kinyomtatni az arr értékét.
A kimenetben egy többdimenziós tömb látható.