Grundlæggende Oprettelse af Arrays
Et NumPy-array er en effektiv, multidimensionel container til lagring og håndtering af store datasæt med samme datatyper. Selvom de ligner Python-lister, er de mere hukommelseseffektive og muliggør højtydende matematiske og numeriske operationer.
Nu er det tid til at oprette dine første NumPy-arrays. Den mest direkte måde at gøre dette på er ved at bruge funktionen array(), hvor du giver enten en list eller en tuple som argument, og kun disse.
Du bør kun oprette NumPy-arrays ud fra lister i alle opgaver gennem 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}')
Angivelse af datatype
Datatypen for array-elementerne defineres implicit; dog kan du angive den eksplicit 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 heltalsarray bruger standarddatatypen int64, som er en 8-byte integer. Det andet array bruger int8, en 1-byte integer.
De mest almindelige NumPy-datatyper omfatter numpy.float16, numpy.float32 og numpy.float64, som gemmer henholdsvis 2-byte, 4-byte og 8-byte floating point numbers.
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Awesome!
Completion rate improved to 3.7Grundlæggende Oprettelse af Arrays
Stryg for at vise menuen
Et NumPy-array er en effektiv, multidimensionel container til lagring og håndtering af store datasæt med samme datatyper. Selvom de ligner Python-lister, er de mere hukommelseseffektive og muliggør højtydende matematiske og numeriske operationer.
Nu er det tid til at oprette dine første NumPy-arrays. Den mest direkte måde at gøre dette på er ved at bruge funktionen array(), hvor du giver enten en list eller en tuple som argument, og kun disse.
Du bør kun oprette NumPy-arrays ud fra lister i alle opgaver gennem 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}')
Angivelse af datatype
Datatypen for array-elementerne defineres implicit; dog kan du angive den eksplicit 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 heltalsarray bruger standarddatatypen int64, som er en 8-byte integer. Det andet array bruger int8, en 1-byte integer.
De mest almindelige NumPy-datatyper omfatter numpy.float16, numpy.float32 og numpy.float64, som gemmer henholdsvis 2-byte, 4-byte og 8-byte floating point numbers.
Tak for dine kommentarer!
