Perus Taulukon Luominen
A NumPy-taulukko on tehokas, monidimensionaalinen säiliö suurten saman tietotyypin datasetien tallentamiseen ja käsittelyyn. Vaikka ne ovat samanlaisia kuin Python-listat, ne ovat enemmän muistitehokkaita ja mahdollistavat korkean suorituskyvyn matemaattiset ja numeeriset operaatiot.
Nyt on aika luoda ensimmäiset NumPy-taulukkosi. Yksinkertaisin tapa tehdä tämä on käyttää array()-funktiota, antaen joko list tai tuple argumenttina, ja vain niitä.
Huomio
Sinun tulisi luoda NumPy-taulukoita vain listoista kaikissa tehtävissä kurssimme aikana.
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}')
Määritä Tietotyyppi
Taulukon alkioiden tietotyyppi määritellään implisiittisesti; kuitenkin voit määrittää sen eksplisiittisesti dtype-parametrilla:
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}')
Ensimmäinen kokonaislukutaulukko käyttää oletuksena int64-datatyyppiä, joka on 8-tavun kokonaisluku. Toinen taulukko käyttää int8, joka on 1-tavun kokonaisluku.
Yleisimmät NumPy-datatyyppit ovat numpy.float16, numpy.float32 ja numpy.float64, jotka tallentavat 2-tavun, 4-tavun ja 8-tavun liukulukuja.
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
What are the main differences between NumPy arrays and Python lists?
Can you explain more about the dtype parameter and when to use it?
How do I choose the right data type for my NumPy array?
Awesome!
Completion rate improved to 3.7Perus Taulukon Luominen
Pyyhkäise näyttääksesi valikon
A NumPy-taulukko on tehokas, monidimensionaalinen säiliö suurten saman tietotyypin datasetien tallentamiseen ja käsittelyyn. Vaikka ne ovat samanlaisia kuin Python-listat, ne ovat enemmän muistitehokkaita ja mahdollistavat korkean suorituskyvyn matemaattiset ja numeeriset operaatiot.
Nyt on aika luoda ensimmäiset NumPy-taulukkosi. Yksinkertaisin tapa tehdä tämä on käyttää array()-funktiota, antaen joko list tai tuple argumenttina, ja vain niitä.
Huomio
Sinun tulisi luoda NumPy-taulukoita vain listoista kaikissa tehtävissä kurssimme aikana.
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}')
Määritä Tietotyyppi
Taulukon alkioiden tietotyyppi määritellään implisiittisesti; kuitenkin voit määrittää sen eksplisiittisesti dtype-parametrilla:
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}')
Ensimmäinen kokonaislukutaulukko käyttää oletuksena int64-datatyyppiä, joka on 8-tavun kokonaisluku. Toinen taulukko käyttää int8, joka on 1-tavun kokonaisluku.
Yleisimmät NumPy-datatyyppit ovat numpy.float16, numpy.float32 ja numpy.float64, jotka tallentavat 2-tavun, 4-tavun ja 8-tavun liukulukuja.
Kiitos palautteestasi!
