Массивы NumPy являются основой всех вычислений, выполняемых библиотекой NumPy. Это простые списки Python с несколькими дополнительными свойствами. Массив NumPy имеет атрибут dtype , который определяет тип данных всех элементов в массиве.
Если массив содержит элементы с разными типами данных, все элементы преобразуются в самый крупный тип (процесс, известный как upcasting ). Массив NumPy также может быть копией или ссылкой на существующий массив NumPy.
импортировать numpy как np # 2D-массивarr1 = np.array ([[10 , 20, 30], [-4, -5, -6]], dtype = np.double) # Все элементы являются doublesprint ("2D NumPy array of doubles n" + repr (arr1) + " n" ) arr2 = np.array ([10, 'hello', 5.8], dtype = np.str) # Все элементы являются stringsprint ("1D NumPy массив строк n" + repr (arr2) + " n") # Создание ссылки на массив NumPyarr3 = arr2arr3 [0] = 50print ("Новое значение arr2 [0]:" + arr2 [0]) # Создание Copyarr4 = arr2.copy () arr4 [0] = '100 '# arr2 не будет затронут print ("Значение arr2 [0] не изменится:" + arr2 [0]) # Присвоение пустого значения indexarr4 [2] = np.nanprint ("Присвоение NaN индексу: "+ arr4 [2])
Создание данных массива
При работе с большими объемами данных жесткое кодирование массива не всегда возможно . Мы можем использовать метод arange . Может принимать до 3 параметров, которые будут указывать на природу данных:
import numpy as np # Создание массива от 0 до 9arr = np.arange (10) print ("Массив от 0 до 9 n" + repr (arr ) + " n") # Создание массива floatsarr = np.arange (10.1) print ("Массив чисел с плавающей запятой n" + repr (arr) + " n") # Первый и второй аргументы указывают начало and end pointsarr = np.arange (-5, 5) print ("Массив от -5 до 5 n" + repr (arr) + " n") # Третий аргумент указывает steparr = np.arange (-10 , 10, 4) print ("Массив от -10 до 10 с шагом 4 n" + repr (arr))
Как np.array код>, np. arange выполняет восходящее преобразование. Он также имеет аргумент ключевого слова dtype для ручного преобразования массива.
