Grundläggande Skapande av Array
En NumPy-array är en effektiv, flerdimensionell behållare för att lagra och manipulera stora dataset av samma datatyper. Även om de liknar Python-listor, är de mer minneseffektiva och möjliggör högpresterande matematiska och numeriska operationer.
Nu är det dags att skapa dina första NumPy-arrayer. Det mest direkta sättet att göra detta är genom att använda funktionen array()
, och skicka antingen en list
eller en tuple
som dess argument, och endast dem.
Notera
Du bör skapa NumPy-arrayer endast från listor i alla uppgifter genom hela vår kurs.
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}')
Specificera Datatyp
Datatypen för array-elementen definieras implicit; dock kan du specificera den explicit med dtype
-parametern:
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}')
Den första heltalsarrayen använder standard int64
datatyp, vilket är en 8-byte heltal. Den andra arrayen använder int8
, en 1-byte heltal.
De vanligaste NumPy-datatyperna inkluderar numpy.float16
, numpy.float32
och numpy.float64
, som lagrar 2-byte, 4-byte och 8-byte flyttal, respektive.
Tack för dina kommentarer!
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Awesome!
Completion rate improved to 3.7
Grundläggande Skapande av Array
Svep för att visa menyn
En NumPy-array är en effektiv, flerdimensionell behållare för att lagra och manipulera stora dataset av samma datatyper. Även om de liknar Python-listor, är de mer minneseffektiva och möjliggör högpresterande matematiska och numeriska operationer.
Nu är det dags att skapa dina första NumPy-arrayer. Det mest direkta sättet att göra detta är genom att använda funktionen array()
, och skicka antingen en list
eller en tuple
som dess argument, och endast dem.
Notera
Du bör skapa NumPy-arrayer endast från listor i alla uppgifter genom hela vår kurs.
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}')
Specificera Datatyp
Datatypen för array-elementen definieras implicit; dock kan du specificera den explicit med dtype
-parametern:
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}')
Den första heltalsarrayen använder standard int64
datatyp, vilket är en 8-byte heltal. Den andra arrayen använder int8
, en 1-byte heltal.
De vanligaste NumPy-datatyperna inkluderar numpy.float16
, numpy.float32
och numpy.float64
, som lagrar 2-byte, 4-byte och 8-byte flyttal, respektive.
Tack för dina kommentarer!