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
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!
