Базове Створення Масивів
Масив NumPy — це ефективний багатовимірний контейнер для зберігання та обробки великих наборів даних одного типу. Хоча вони схожі на списки Python, масиви NumPy є більш ефективними за пам'яттю та забезпечують високопродуктивні математичні й числові операції.
Тепер настав час створити перші масиви NumPy. Найбільш простий спосіб зробити це — скористатися функцією array(), передаючи їй як аргумент або list, або tuple, і лише їх.
У всіх завданнях цього курсу створюйте масиви NumPy лише зі списків.
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}')
Вказування типу даних
Тип даних елементів масиву визначається неявно; однак ви можете задати його явно за допомогою параметра 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}')
Перший цілочисельний масив використовує типовий тип даних int64, тобто 8-байтове ціле число. Другий масив використовує int8, тобто 1-байтове ціле число.
Найпоширеніші типи даних у NumPy включають numpy.float16, numpy.float32 та numpy.float64, які зберігають відповідно 2-байтові, 4-байтові та 8-байтові числа з плаваючою комою.
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
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 3.7Базове Створення Масивів
Свайпніть щоб показати меню
Масив NumPy — це ефективний багатовимірний контейнер для зберігання та обробки великих наборів даних одного типу. Хоча вони схожі на списки Python, масиви NumPy є більш ефективними за пам'яттю та забезпечують високопродуктивні математичні й числові операції.
Тепер настав час створити перші масиви NumPy. Найбільш простий спосіб зробити це — скористатися функцією array(), передаючи їй як аргумент або list, або tuple, і лише їх.
У всіх завданнях цього курсу створюйте масиви NumPy лише зі списків.
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}')
Вказування типу даних
Тип даних елементів масиву визначається неявно; однак ви можете задати його явно за допомогою параметра 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}')
Перший цілочисельний масив використовує типовий тип даних int64, тобто 8-байтове ціле число. Другий масив використовує int8, тобто 1-байтове ціле число.
Найпоширеніші типи даних у NumPy включають numpy.float16, numpy.float32 та numpy.float64, які зберігають відповідно 2-байтові, 4-байтові та 8-байтові числа з плаваючою комою.
Дякуємо за ваш відгук!
