Creazione di Array di Base
Un array NumPy è un contenitore multidimensionale efficiente per memorizzare e manipolare grandi set di dati dello stesso tipo. Sebbene siano simili alle liste di Python, sono più efficienti in termini di memoria e consentono operazioni matematiche e numeriche ad alte prestazioni.
Ora, è il momento di creare i tuoi primi array NumPy. Il modo più semplice per farlo è utilizzare la funzione array(), passando come argomento una list o una tuple, e solo loro.
Nota
Dovresti creare array NumPy solo da liste in tutti i compiti del nostro corso.
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}')
Specificare il Tipo di Dato
Il tipo di dato degli elementi dell'array è definito implicitamente; tuttavia, puoi specificarlo esplicitamente con il parametro dtype:
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}')
Il primo array di interi utilizza il tipo di dato predefinito int64, che è un intero a 8 byte. Il secondo array utilizza int8, un intero a 1 byte.
I tipi di dati NumPy più comuni includono numpy.float16, numpy.float32 e numpy.float64, che memorizzano rispettivamente numeri in virgola mobile a 2 byte, 4 byte e 8 byte.
Grazie per i tuoi commenti!
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Mi faccia domande su questo argomento
Riassuma questo capitolo
Mostri esempi dal mondo reale
Awesome!
Completion rate improved to 3.7Creazione di Array di Base
Scorri per mostrare il menu
Un array NumPy è un contenitore multidimensionale efficiente per memorizzare e manipolare grandi set di dati dello stesso tipo. Sebbene siano simili alle liste di Python, sono più efficienti in termini di memoria e consentono operazioni matematiche e numeriche ad alte prestazioni.
Ora, è il momento di creare i tuoi primi array NumPy. Il modo più semplice per farlo è utilizzare la funzione array(), passando come argomento una list o una tuple, e solo loro.
Nota
Dovresti creare array NumPy solo da liste in tutti i compiti del nostro corso.
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}')
Specificare il Tipo di Dato
Il tipo di dato degli elementi dell'array è definito implicitamente; tuttavia, puoi specificarlo esplicitamente con il parametro dtype:
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}')
Il primo array di interi utilizza il tipo di dato predefinito int64, che è un intero a 8 byte. Il secondo array utilizza int8, un intero a 1 byte.
I tipi di dati NumPy più comuni includono numpy.float16, numpy.float32 e numpy.float64, che memorizzano rispettivamente numeri in virgola mobile a 2 byte, 4 byte e 8 byte.
Grazie per i tuoi commenti!
