Grunnleggende Matriseopprettelse

En NumPy array er en effektiv, flerdimensjonal beholder for lagring og manipulering av store datasett av samme datatyper. Selv om de ligner på Python-lister, er de mer minneeffektive og tillater høyytelses matematiske og numeriske operasjoner.

Nå er det på tide å lage dine første NumPy arrays. Den mest rett frem måten å gjøre dette på er ved å bruke array()-funksjonen, ved å sende enten en list eller en tuple som argument, og kun dem.

Merk

Du bør lage NumPy arrays kun fra lister i alle oppgavene gjennom hele kurset vårt.


              1234567
            
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}')

Spesifisere Datatype

Datatypen til array-elementene er definert implisitt; men du kan spesifisere den eksplisitt med dtype-parameteren:


              1234567
            
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}')

Den første heltallsarrayen bruker standard int64 datatype, som er en 8-byte heltall. Den andre arrayen bruker int8, en 1-byte heltall.

De vanligste NumPy-datatypene inkluderer numpy.float16, numpy.float32 og numpy.float64, som lagrer henholdsvis 2-byte, 4-byte og 8-byte flyttall.

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 2

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Kursinnhold

Ultimate NumPy