Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lernen Erstellungsfunktionen für 1D-Arrays | NumPy-Grundlagen
Ultimatives Numpy
course content

Kursinhalt

Ultimatives Numpy

Ultimatives Numpy

1. NumPy-Grundlagen
Einführung in NumPyGrundlegende Array-ErstellungErstellen Höherdimensionaler ArraysErstellungsfunktionen für 1D-ArraysErstellungsfunktionen für 2D-ArraysAllgemeine Array-ErstellungsfunktionenZufällige Arrays
2. Indexierung und Slicing
Grundlegendes IndexierenMehrdimensionale IndizierungSlicingSlicing in 2D-ArraysGanzzahl-Array-IndizierungBoolesches IndexingMehr Über ComparisonsBoolesches Indexieren in 2D-ArraysZuweisung von Werten zu Indizierten ElementenZuweisung von Werten zu Indizierten Teilarrays
3. Häufig Verwendete NumPy-Funktionen
Arrays SortierenSortieren von 2D-ArraysArrays KopierenUmformen von ArraysArrays GlättenArray-Konkatenation
4. Mathematik mit NumPy
BroadcastingGrundlegende Mathematische OperationenStatistische OperationenGrundlegende Lineare Algebra mit NumPy

book
Erstellungsfunktionen für 1D-Arrays

Neben der grundlegenden Array-Erstellung durch explizite Angabe der Elemente ermöglicht numpy auch die automatische Array-Erstellung mithilfe spezieller Funktionen. Hier sind zwei der am häufigsten verwendeten Funktionen zur Erstellung von ausschließlich 1D-Arrays:

  • arange();
  • linspace().

arange()

Die Funktion numpy.arange() ist ähnlich der eingebauten Python-Funktion range(), jedoch gibt sie ein ndarray zurück. Im Wesentlichen erstellt sie ein Array mit gleichmäßig verteilten Elementen innerhalb eines angegebenen Intervalls.

Zum Beispiel, wenn das angegebene Intervall von 0 bis 10 mit einer Schrittweite von 2 ist, wäre das resultierende Array: [0, 2, 4, 6, 8].

Hier sind die drei wichtigsten Parameter und ihre Rollen:

  1. start:

    • Standardwert: 0;
    • Repräsentiert das erste Element des Arrays.

  2. stop:

    • Kein Standardwert;
    • Definiert den Endpunkt, der nicht im Array enthalten ist.

  3. step:

    • Standardwert: 1;
    • Gibt die Erhöhung an, die jedem nachfolgenden Element hinzugefügt wird.

              
12345678910

            
import numpy as np
# Creating an array of integers from 0 to 11 exclusive with step=1
array_1 = np.arange(11)
print(array_1)
# Creating an array of integers from 1 to 11 exclusive with step=1
array_2 = np.arange(1, 11)
print(array_2)
# Creating an array of integers from 0 to 11 exclusive with step=2
array_3 = np.arange(0, 11, 2)
print(array_3)
copy

linspace()

Während arange() mit reellen Zahlen arbeiten kann, wird numpy.linspace() für diesen Zweck gegenüber numpy.arange() bevorzugt, da arange() aufgrund von Gleitkomma-Präzisionsfehlern bei der Berechnung von Schritten unerwartete Ergebnisse liefern kann. Im Gegensatz dazu erzeugt linspace() eine bestimmte Anzahl von gleichmäßig verteilten Punkten innerhalb eines Intervalls und gewährleistet so Genauigkeit und Konsistenz.

Mit linspace() gibt es anstelle des step-Parameters einen num-Parameter, der verwendet wird, um die Anzahl der Proben (Zahlen) innerhalb eines gegebenen Intervalls anzugeben (Standard ist 50).


              
1234567

            
import numpy as np
# Generating 5 equally spaced values between 0 and 1 (inclusive)
array_1 = np.linspace(0, 1, 5)
print('Example 1:', array_1)
# Generating 7 equally spaced values between -1 and 1 (inclusive)
array_2 = np.linspace(-1, 1, 7)
print('Example 2:', array_2)
copy

Endpoint

Der endpoint-Parameter bestimmt, ob der stop-Wert eingeschlossen ist. Standardmäßig ist er True (einschließlich). Wenn er auf False gesetzt wird, wird der stop-Wert ausgeschlossen, was die Schrittgröße leicht verringert.

Hier ist ein Vergleich von array_inclusive und array_exclusive:


              
1234567

            
import numpy as np
# Generating 5 equally spaced values between 0 and 1 (inclusive)
array_inclusive = np.linspace(0, 1, 5)
print('Endpoint = True:', array_inclusive)
# Generating 5 equally spaced values between 0 and 1 (exclusive)
array_exclusive = np.linspace(0, 1, 5, endpoint=False)
print('Endpoint = False:', array_exclusive)
copy

Wenn endpoint=True, wird das Intervall [0, 1] in 4 gleiche Segmente unterteilt und schließt den Endpunkt selbst (1) ein, was zu einer Schrittgröße von (1 - 0) / 4 = 0,25 führt.

Wenn endpoint=False, wird das Intervall [0, 1) in 5 gleiche Segmente unterteilt, da der Endpunkt ausgeschlossen ist, was zu einer Schrittgröße von (1 - 0) / 5 = 0,2 führt.

Hinweis

Sie können immer mehr über diese Funktionen in ihrer Dokumentation erfahren: arange, linspace.

Aufgabe

Swipe to start coding

  1. Verwenden Sie die Funktion arange(), um das Array even_numbers zu erstellen.
  2. Geben Sie die Argumente an, um ein Array von geraden Zahlen von 2 bis 21 exklusiv zu erstellen.
  3. Verwenden Sie die geeignete Funktion, um das Array samples zu erstellen, das die Anzahl der Werte innerhalb eines gegebenen Intervalls angibt.
  4. Geben Sie die ersten drei Argumente an, um ein Array von 10 gleichmäßig verteilten Zahlen zwischen 5 und 6 zu erstellen.
  5. Stellen Sie sicher, dass 6 nicht im Array samples enthalten ist.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 1. Kapitel 4
toggle bottom row

book
Erstellungsfunktionen für 1D-Arrays

Neben der grundlegenden Array-Erstellung durch explizite Angabe der Elemente ermöglicht numpy auch die automatische Array-Erstellung mithilfe spezieller Funktionen. Hier sind zwei der am häufigsten verwendeten Funktionen zur Erstellung von ausschließlich 1D-Arrays:

  • arange();
  • linspace().

arange()

Die Funktion numpy.arange() ist ähnlich der eingebauten Python-Funktion range(), jedoch gibt sie ein ndarray zurück. Im Wesentlichen erstellt sie ein Array mit gleichmäßig verteilten Elementen innerhalb eines angegebenen Intervalls.

Zum Beispiel, wenn das angegebene Intervall von 0 bis 10 mit einer Schrittweite von 2 ist, wäre das resultierende Array: [0, 2, 4, 6, 8].

Hier sind die drei wichtigsten Parameter und ihre Rollen:

  1. start:

    • Standardwert: 0;
    • Repräsentiert das erste Element des Arrays.

  2. stop:

    • Kein Standardwert;
    • Definiert den Endpunkt, der nicht im Array enthalten ist.

  3. step:

    • Standardwert: 1;
    • Gibt die Erhöhung an, die jedem nachfolgenden Element hinzugefügt wird.

              
12345678910

            
import numpy as np
# Creating an array of integers from 0 to 11 exclusive with step=1
array_1 = np.arange(11)
print(array_1)
# Creating an array of integers from 1 to 11 exclusive with step=1
array_2 = np.arange(1, 11)
print(array_2)
# Creating an array of integers from 0 to 11 exclusive with step=2
array_3 = np.arange(0, 11, 2)
print(array_3)
copy

linspace()

Während arange() mit reellen Zahlen arbeiten kann, wird numpy.linspace() für diesen Zweck gegenüber numpy.arange() bevorzugt, da arange() aufgrund von Gleitkomma-Präzisionsfehlern bei der Berechnung von Schritten unerwartete Ergebnisse liefern kann. Im Gegensatz dazu erzeugt linspace() eine bestimmte Anzahl von gleichmäßig verteilten Punkten innerhalb eines Intervalls und gewährleistet so Genauigkeit und Konsistenz.

Mit linspace() gibt es anstelle des step-Parameters einen num-Parameter, der verwendet wird, um die Anzahl der Proben (Zahlen) innerhalb eines gegebenen Intervalls anzugeben (Standard ist 50).


              
1234567

            
import numpy as np
# Generating 5 equally spaced values between 0 and 1 (inclusive)
array_1 = np.linspace(0, 1, 5)
print('Example 1:', array_1)
# Generating 7 equally spaced values between -1 and 1 (inclusive)
array_2 = np.linspace(-1, 1, 7)
print('Example 2:', array_2)
copy

Endpoint

Der endpoint-Parameter bestimmt, ob der stop-Wert eingeschlossen ist. Standardmäßig ist er True (einschließlich). Wenn er auf False gesetzt wird, wird der stop-Wert ausgeschlossen, was die Schrittgröße leicht verringert.

Hier ist ein Vergleich von array_inclusive und array_exclusive:


              
1234567

            
import numpy as np
# Generating 5 equally spaced values between 0 and 1 (inclusive)
array_inclusive = np.linspace(0, 1, 5)
print('Endpoint = True:', array_inclusive)
# Generating 5 equally spaced values between 0 and 1 (exclusive)
array_exclusive = np.linspace(0, 1, 5, endpoint=False)
print('Endpoint = False:', array_exclusive)
copy

Wenn endpoint=True, wird das Intervall [0, 1] in 4 gleiche Segmente unterteilt und schließt den Endpunkt selbst (1) ein, was zu einer Schrittgröße von (1 - 0) / 4 = 0,25 führt.

Wenn endpoint=False, wird das Intervall [0, 1) in 5 gleiche Segmente unterteilt, da der Endpunkt ausgeschlossen ist, was zu einer Schrittgröße von (1 - 0) / 5 = 0,2 führt.

Hinweis

Sie können immer mehr über diese Funktionen in ihrer Dokumentation erfahren: arange, linspace.

Aufgabe

Swipe to start coding

  1. Verwenden Sie die Funktion arange(), um das Array even_numbers zu erstellen.
  2. Geben Sie die Argumente an, um ein Array von geraden Zahlen von 2 bis 21 exklusiv zu erstellen.
  3. Verwenden Sie die geeignete Funktion, um das Array samples zu erstellen, das die Anzahl der Werte innerhalb eines gegebenen Intervalls angibt.
  4. Geben Sie die ersten drei Argumente an, um ein Array von 10 gleichmäßig verteilten Zahlen zwischen 5 und 6 zu erstellen.
  5. Stellen Sie sicher, dass 6 nicht im Array samples enthalten ist.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 1. Kapitel 4
Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
We're sorry to hear that something went wrong. What happened?
some-alt