Kursinhalt
Ultimatives Numpy
Ultimatives Numpy
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.
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}')
Datentyp angeben
Der Datentyp der Array-Elemente wird implizit definiert; Sie können ihn jedoch explizit mit dem dtype-Parameter angeben:
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}')
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!
