Basisarraycreatie
Een NumPy-array is een efficiënt, multidimensionaal containerobject voor het opslaan en manipuleren van grote datasets met dezelfde gegevenstypen. Hoewel ze lijken op Python-lijsten, zijn ze geheugenefficiënter en maken ze wiskundige en numerieke bewerkingen met hoge prestaties mogelijk.
Nu is het tijd om je eerste NumPy-arrays te maken. De meest eenvoudige manier om dit te doen is met de functie array(), waarbij je een list of een tuple als argument meegeeft, en alleen deze.
Je dient NumPy-arrays uitsluitend te maken van lijsten in alle opdrachten gedurende onze cursus.
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}')
Gegevenstype specificeren
Het gegevenstype van de array-elementen wordt impliciet bepaald; echter, u kunt dit expliciet opgeven met de parameter 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}')
De eerste integer-array gebruikt het standaard gegevenstype int64, wat een 8-byte integer is. De tweede array gebruikt int8, een 1-byte integer.
De meest voorkomende NumPy-gegevenstypen zijn numpy.float16, numpy.float32 en numpy.float64, die respectievelijk 2-byte, 4-byte en 8-byte zwevendekommabedragen opslaan.
Bedankt voor je feedback!
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
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 3.7Basisarraycreatie
Veeg om het menu te tonen
Een NumPy-array is een efficiënt, multidimensionaal containerobject voor het opslaan en manipuleren van grote datasets met dezelfde gegevenstypen. Hoewel ze lijken op Python-lijsten, zijn ze geheugenefficiënter en maken ze wiskundige en numerieke bewerkingen met hoge prestaties mogelijk.
Nu is het tijd om je eerste NumPy-arrays te maken. De meest eenvoudige manier om dit te doen is met de functie array(), waarbij je een list of een tuple als argument meegeeft, en alleen deze.
Je dient NumPy-arrays uitsluitend te maken van lijsten in alle opdrachten gedurende onze cursus.
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}')
Gegevenstype specificeren
Het gegevenstype van de array-elementen wordt impliciet bepaald; echter, u kunt dit expliciet opgeven met de parameter 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}')
De eerste integer-array gebruikt het standaard gegevenstype int64, wat een 8-byte integer is. De tweede array gebruikt int8, een 1-byte integer.
De meest voorkomende NumPy-gegevenstypen zijn numpy.float16, numpy.float32 en numpy.float64, die respectievelijk 2-byte, 4-byte en 8-byte zwevendekommabedragen opslaan.
Bedankt voor je feedback!
