Creazione di Array di Base
Un array NumPy è un contenitore multidimensionale efficiente per l'archiviazione e la manipolazione di grandi insiemi di dati dello stesso tipo. Sebbene siano simili alle liste di Python, sono più efficienti in termini di memoria e consentono operazioni matematiche e numeriche ad alte prestazioni.
Ora è il momento di creare i primi array NumPy. Il modo più semplice per farlo è utilizzare la funzione array(), passando come argomento una list o una tuple, e solo questi.
In tutti gli esercizi del corso, è necessario creare array NumPy solo da liste.
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}')
Specifica del tipo di dato
Il tipo di dato degli elementi dell'array è definito implicitamente; tuttavia, è possibile specificarlo esplicitamente tramite il parametro 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}')
Il primo array di interi utilizza il tipo di dato predefinito int64, che è un intero a 8 byte. Il secondo array utilizza int8, un intero a 1 byte.
I tipi di dato NumPy più comuni includono numpy.float16, numpy.float32 e numpy.float64, che memorizzano rispettivamente numeri floating point a 2, 4 e 8 byte.
Grazie per i tuoi commenti!
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
What are the benefits of specifying the data type explicitly in NumPy arrays?
Can you explain the difference between int8 and int64 in terms of memory usage?
How do I choose the right data type for my NumPy array?
Awesome!
Completion rate improved to 3.7Creazione di Array di Base
Scorri per mostrare il menu
Un array NumPy è un contenitore multidimensionale efficiente per l'archiviazione e la manipolazione di grandi insiemi di dati dello stesso tipo. Sebbene siano simili alle liste di Python, sono più efficienti in termini di memoria e consentono operazioni matematiche e numeriche ad alte prestazioni.
Ora è il momento di creare i primi array NumPy. Il modo più semplice per farlo è utilizzare la funzione array(), passando come argomento una list o una tuple, e solo questi.
In tutti gli esercizi del corso, è necessario creare array NumPy solo da liste.
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}')
Specifica del tipo di dato
Il tipo di dato degli elementi dell'array è definito implicitamente; tuttavia, è possibile specificarlo esplicitamente tramite il parametro 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}')
Il primo array di interi utilizza il tipo di dato predefinito int64, che è un intero a 8 byte. Il secondo array utilizza int8, un intero a 1 byte.
I tipi di dato NumPy più comuni includono numpy.float16, numpy.float32 e numpy.float64, che memorizzano rispettivamente numeri floating point a 2, 4 e 8 byte.
Grazie per i tuoi commenti!
