Grundlegende Array-Erstellung
Ein NumPy-Array ist ein effizientes, mehrdimensionales Behältnis zur Speicherung und Manipulation großer Datensätze desselben Datentyps. Obwohl sie den Python-Listen ähneln, sind sie speichereffizienter und ermöglichen mathematische und numerische Operationen mit hoher Leistung.
Jetzt ist es an der Zeit, Ihre ersten NumPy-Arrays zu erstellen. Der einfachste Weg, dies zu tun, ist die Verwendung der array()-Funktion, indem entweder eine list oder ein tuple als Argument übergeben wird, und nur diese.
Hinweis
Sie sollten NumPy-Arrays nur aus Listen in allen Aufgaben im gesamten Kurs erstellen.
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}')
Datentyp angeben
Der Datentyp der Array-Elemente wird implizit definiert; Sie können ihn jedoch explizit mit dem dtype-Parameter angeben:
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}')
Das erste Integer-Array verwendet den Standard-Datentyp int64, der ein 8-Byte-Integer ist. Das zweite Array verwendet int8, ein 1-Byte-Integer.
Die gebräuchlichsten NumPy-Datentypen umfassen numpy.float16, numpy.float32 und numpy.float64, die jeweils 2-Byte-, 4-Byte- und 8-Byte-Gleitkommazahlen speichern.
Danke für Ihr Feedback!
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Awesome!
Completion rate improved to 3.7Grundlegende Array-Erstellung
Swipe um das Menü anzuzeigen
Ein NumPy-Array ist ein effizientes, mehrdimensionales Behältnis zur Speicherung und Manipulation großer Datensätze desselben Datentyps. Obwohl sie den Python-Listen ähneln, sind sie speichereffizienter und ermöglichen mathematische und numerische Operationen mit hoher Leistung.
Jetzt ist es an der Zeit, Ihre ersten NumPy-Arrays zu erstellen. Der einfachste Weg, dies zu tun, ist die Verwendung der array()-Funktion, indem entweder eine list oder ein tuple als Argument übergeben wird, und nur diese.
Hinweis
Sie sollten NumPy-Arrays nur aus Listen in allen Aufgaben im gesamten Kurs erstellen.
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}')
Datentyp angeben
Der Datentyp der Array-Elemente wird implizit definiert; Sie können ihn jedoch explizit mit dem dtype-Parameter angeben:
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}')
Das erste Integer-Array verwendet den Standard-Datentyp int64, der ein 8-Byte-Integer ist. Das zweite Array verwendet int8, ein 1-Byte-Integer.
Die gebräuchlichsten NumPy-Datentypen umfassen numpy.float16, numpy.float32 und numpy.float64, die jeweils 2-Byte-, 4-Byte- und 8-Byte-Gleitkommazahlen speichern.
Danke für Ihr Feedback!
