Grunnleggende Opprettelse av Matriser
Et NumPy-array er en effektiv, flerdimensjonal beholder for lagring og håndtering av store datasett med samme datatyper. Selv om de ligner på Python-lister, er de mer minneeffektive og muliggjør høyytelses matematiske og numeriske operasjoner.
Nå er det på tide å opprette dine første NumPy-arrayer. Den mest direkte måten å gjøre dette på er ved å bruke funksjonen array(), hvor du sender inn enten en list eller en tuple som argument, og kun disse.
Du skal kun opprette NumPy-arrayer fra lister i alle oppgavene gjennom hele kurset.
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}')
Spesifisering av datatyper
Datatypen til elementene i arrayet defineres implisitt; du kan imidlertid angi den eksplisitt med parameteren 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}')
Det første heltallsarrayet bruker standard datatypen int64, som er et 8-bytes heltall. Det andre arrayet bruker int8, et 1-bytes heltall.
De vanligste NumPy-datatypene inkluderer numpy.float16, numpy.float32 og numpy.float64, som lagrer henholdsvis 2-bytes, 4-bytes og 8-bytes flyttall.
Takk for tilbakemeldingene dine!
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Awesome!
Completion rate improved to 3.7Grunnleggende Opprettelse av Matriser
Sveip for å vise menyen
Et NumPy-array er en effektiv, flerdimensjonal beholder for lagring og håndtering av store datasett med samme datatyper. Selv om de ligner på Python-lister, er de mer minneeffektive og muliggjør høyytelses matematiske og numeriske operasjoner.
Nå er det på tide å opprette dine første NumPy-arrayer. Den mest direkte måten å gjøre dette på er ved å bruke funksjonen array(), hvor du sender inn enten en list eller en tuple som argument, og kun disse.
Du skal kun opprette NumPy-arrayer fra lister i alle oppgavene gjennom hele kurset.
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}')
Spesifisering av datatyper
Datatypen til elementene i arrayet defineres implisitt; du kan imidlertid angi den eksplisitt med parameteren 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}')
Det første heltallsarrayet bruker standard datatypen int64, som er et 8-bytes heltall. Det andre arrayet bruker int8, et 1-bytes heltall.
De vanligste NumPy-datatypene inkluderer numpy.float16, numpy.float32 og numpy.float64, som lagrer henholdsvis 2-bytes, 4-bytes og 8-bytes flyttall.
Takk for tilbakemeldingene dine!
