Perusmatriisin Luominen
NumPy-taulukko on tehokas, moniulotteinen säiliö, joka on tarkoitettu suurten, saman tietotyypin tietoaineistojen tallentamiseen ja käsittelyyn. Vaikka ne muistuttavat Python-listoja, ne ovat muistitehokkaampia ja mahdollistavat suorituskykyiset matemaattiset ja numeeriset operaatiot.
Nyt on aika luoda ensimmäiset NumPy-taulukkosi. Yksinkertaisin tapa tehdä tämä on käyttää array()-funktiota, jolle annetaan argumentiksi joko list tai tuple, eikä muita.
Kaikissa kurssin tehtävissä NumPy-taulukot tulee luoda vain listoista.
1234567import numpy as np # Creating an array from list array_from_list = np.array([1, 2, 3, 2, 6, 1]) # Creating an array from tuple array_from_tuple = np.array((1, 2, 3, 2, 6, 1)) print(f'Array from list: {array_from_list}') print(f'Array from tuple: {array_from_tuple}')
Datan tyypin määrittäminen
Taulukon alkioiden tietotyyppi määritellään implisiittisesti; voit kuitenkin määrittää sen eksplisiittisesti dtype-parametrilla:
1234567import numpy as np # Creating an integer array without specifying dtype array_1 = np.array([1, 2, 3]) # Creating an integer array with setting dtype to 1-byte integer array_2 = np.array([1, 2, 3], dtype=np.int8) print(f'First array dtype: {array_1.dtype}') print(f'Second array dtype: {array_2.dtype}')
Ensimmäinen kokonaislukutaulukko käyttää oletuksena int64-tietotyyppiä, joka on 8-tavuinen kokonaisluku. Toinen taulukko käyttää int8-tyyppiä, joka on 1-tavuinen kokonaisluku.
Yleisimpiä NumPyn tietotyyppejä ovat numpy.float16, numpy.float32 ja numpy.float64, jotka tallentavat 2-, 4- ja 8-tavuisia liukulukuja.
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
What are the benefits of specifying the data type explicitly in NumPy arrays?
Can you explain the difference between int8 and int64 in terms of memory usage?
How do I choose the right data type for my NumPy array?
Awesome!
Completion rate improved to 3.7Perusmatriisin Luominen
Pyyhkäise näyttääksesi valikon
NumPy-taulukko on tehokas, moniulotteinen säiliö, joka on tarkoitettu suurten, saman tietotyypin tietoaineistojen tallentamiseen ja käsittelyyn. Vaikka ne muistuttavat Python-listoja, ne ovat muistitehokkaampia ja mahdollistavat suorituskykyiset matemaattiset ja numeeriset operaatiot.
Nyt on aika luoda ensimmäiset NumPy-taulukkosi. Yksinkertaisin tapa tehdä tämä on käyttää array()-funktiota, jolle annetaan argumentiksi joko list tai tuple, eikä muita.
Kaikissa kurssin tehtävissä NumPy-taulukot tulee luoda vain listoista.
1234567import numpy as np # Creating an array from list array_from_list = np.array([1, 2, 3, 2, 6, 1]) # Creating an array from tuple array_from_tuple = np.array((1, 2, 3, 2, 6, 1)) print(f'Array from list: {array_from_list}') print(f'Array from tuple: {array_from_tuple}')
Datan tyypin määrittäminen
Taulukon alkioiden tietotyyppi määritellään implisiittisesti; voit kuitenkin määrittää sen eksplisiittisesti dtype-parametrilla:
1234567import numpy as np # Creating an integer array without specifying dtype array_1 = np.array([1, 2, 3]) # Creating an integer array with setting dtype to 1-byte integer array_2 = np.array([1, 2, 3], dtype=np.int8) print(f'First array dtype: {array_1.dtype}') print(f'Second array dtype: {array_2.dtype}')
Ensimmäinen kokonaislukutaulukko käyttää oletuksena int64-tietotyyppiä, joka on 8-tavuinen kokonaisluku. Toinen taulukko käyttää int8-tyyppiä, joka on 1-tavuinen kokonaisluku.
Yleisimpiä NumPyn tietotyyppejä ovat numpy.float16, numpy.float32 ja numpy.float64, jotka tallentavat 2-, 4- ja 8-tavuisia liukulukuja.
Kiitos palautteestasi!
