Grundlæggende Oprettelse af Array

En NumPy array er en effektiv, flerdimensionel container til lagring og manipulation af store datasæt af samme datatyper. Selvom de ligner Python-lister, er de mere hukommelseseffektive og tillader højtydende matematiske og numeriske operationer.

Nu er det tid til at oprette dine første NumPy arrays. Den mest ligetil måde at gøre dette på er ved at bruge array() funktionen, hvor enten en list eller en tuple gives som argument, og kun dem.

Note

Du bør kun oprette NumPy arrays fra lister i alle opgaverne gennem vores kursus.


              1234567
            
import 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}')

Angivelse af Datatype

Datatypen for array-elementerne defineres implicit; dog kan du specificere det eksplicit med dtype parameteren:


              1234567
            
import 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 heltalsarray bruger standard int64 datatype, som er en 8-byte heltal. Det andet array bruger int8, en 1-byte heltal.

De mest almindelige NumPy datatyper inkluderer numpy.float16, numpy.float32, og numpy.float64, som gemmer 2-byte, 4-byte, og 8-byte flydende punkt tal, henholdsvis.

Var alt klart?

Tak for dine kommentarer!

Sektion 1. Kapitel 2

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Kursusindhold

Ultimativ NumPy