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.


              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}')

Specificera Datatyp

Datatypen för array-elementen definieras implicit; dock kan du specificera den explicit med dtype-parametern:


              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 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.

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 2

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Kursinnehåll

Ultimata NumPy