Ндарраи је н-димензионални објекат низа дефинисан у нумпи-у који чува колекцију елемената сличног типа. Другим речима, можемо дефинисати ндарраи као колекцију објеката типа података (дтипе).
Објекту ндарраи се може приступити коришћењем индексирања заснованог на 0. Сваки елемент Арраи објекта садржи исту величину у меморији.
Креирање ндарраи објекта
Објекат ндарраи се може креирати коришћењем рутине низа модула нумпи. У ту сврху морамо да увеземо нумпи.
>>> a = numpy.array
Размотрите слику испод.
Такође можемо проследити објекат колекције у рутину низа да бисмо креирали еквивалентни н-димензионални низ. Синтакса је дата у наставку.
>>> numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
Параметри су описани у следећој табели.
| СН | Параметар | Опис |
|---|---|---|
| 1 | објекат | Представља објекат колекције. То може бити листа, тупле, речник, скуп итд. |
| 2 | дтипе | Можемо променити тип података елемената низа променом ове опције у наведени тип. Подразумевано је ништа. |
| 3 | копија | Није обавезно. Подразумевано је тачно што значи да је објекат копиран. |
| 4 | ред | Овој опцији могу бити додељене 3 могуће вредности. Може бити Ц (редослед колона), Р (редослед редова) или А (било који) |
| 5 | тестиран | Враћени низ ће подразумевано бити низ основне класе. Ово можемо да променимо да бисмо омогућили да подкласе пролазе тако што ћемо ову опцију поставити на труе. |
| 6 | ндмин | Представља минималне димензије резултујућег низа. |
Да бисте креирали низ користећи листу, користите следећу синтаксу.
>>> a = numpy.array([1, 2, 3])
Да бисте креирали вишедимензионални објекат низа, користите следећу синтаксу.
>>> a = numpy.array([[1, 2, 3], [4, 5, 6]])
Да бисте променили тип података елемената низа, наведите име типа података заједно са колекцијом.
поредак по случајном скл-у
>>> a = numpy.array([1, 3, 5, 7], complex)
Проналажење димензија низа
Тхе то сам ја функција се може користити за проналажење димензија низа.
>>> import numpy as np >>> arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) >>> print(arr.ndim)
Проналажење величине сваког елемента низа
Функција итемсизе се користи за добијање величине сваке ставке низа. Враћа број бајтова које узима сваки елемент низа.
Размотрите следећи пример.
Пример
#finding the size of each item in the array import numpy as np a = np.array([[1,2,3]]) print('Each item contains',a.itemsize,'bytes')
Излаз:
који је направио школу
Each item contains 8 bytes.
Проналажење типа података сваке ставке низа
Да би се проверио тип података сваке ставке низа, користи се функција дтипе. Размотрите следећи пример да проверите тип података ставки низа.
Пример
#finding the data type of each array item import numpy as np a = np.array([[1,2,3]]) print('Each item is of the type',a.dtype)
Излаз:
Each item is of the type int64
Проналажење облика и величине низа
Да бисте добили облик и величину низа, користи се функција величине и облика повезана са низом нумпи.
Размотрите следећи пример.
Пример
import numpy as np a = np.array([[1,2,3,4,5,6,7]]) print('Array Size:',a.size) print('Shape:',a.shape)
Излаз:
Array Size: 7 Shape: (1, 7)
Преобликовање објеката низа
Под обликом низа подразумевамо број редова и колона вишедимензионалног низа. Међутим, модул нумпи нам пружа начин да преобликујемо низ променом броја редова и колона вишедимензионалног низа.
Функција ресхапе() повезана са објектом ндарраи се користи за преобликовање низа. Прихвата два параметра који означавају ред и колоне новог облика низа.
Хајде да преобликујемо низ дат на следећој слици.
Пример
import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print('printing the original array..') print(a) a=a.reshape(2,3) print('printing the reshaped array..') print(a)
Излаз:
printing the original array.. [[1 2] [3 4] [5 6]] printing the reshaped array.. [[1 2 3] [4 5 6]]
Сечење у низу
Сечење у НумПи низу је начин да се издвоји низ елемената из низа. Сечење у низу се врши на исти начин као што се изводи у питхон листи.
Размотрите следећи пример за штампање одређеног елемента низа.
Пример
import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print(a[0,1]) print(a[2,0])
Излаз:
врсте машинског учења
2 5
Горњи програм штампа 2нделемент од 0тхиндекс и 0тхелемент из 2ндиндекс низа.
Линспаце
Функција линспаце() враћа равномерно распоређене вредности у датом интервалу. Следећи пример враћа 10 равномерно раздвојених вредности у датом интервалу 5-15
Пример
import numpy as np a=np.linspace(5,15,10) #prints 10 values which are evenly spaced over the given interval 5-15 print(a)
Излаз:
[ 5. 6.11111111 7.22222222 8.33333333 9.44444444 10.55555556 11.66666667 12.77777778 13.88888889 15. ]
Проналажење максимума, минимума и збира елемената низа
НумПи обезбеђује функције мак(), мин() и сум() које се користе за проналажење максимума, минимума и збира елемената низа.
Размотрите следећи пример.
Пример
import numpy as np a = np.array([1,2,3,10,15,4]) print('The array:',a) print('The maximum element:',a.max()) print('The minimum element:',a.min()) print('The sum of the elements:',a.sum())
Излаз:
The array: [ 1 2 3 10 15 4] The maximum element: 15 The minimum element: 1 The sum of the elements: 35
Оса поља НумПи
Вишедимензионални низ НумПи је представљен осом где акис-0 представља колоне, а акис-1 представља редове. Можемо поменути осу за извођење прорачуна на нивоу реда или колоне као што је додавање елемената реда или колоне.
Да бисте израчунали максимални елемент у свакој колони, минимални елемент у сваком реду и додавање свих елемената реда, размотрите следећи пример.
Пример
import numpy as np a = np.array([[1,2,30],[10,15,4]]) print('The array:',a) print('The maximum elements of columns:',a.max(axis = 0)) print('The minimum element of rows',a.min(axis = 1)) print('The sum of all rows',a.sum(axis = 1))
Излаз:
The array: [[1 2 30] [10 15 4]] The maximum elements of columns: [10 15 30] The minimum element of rows [1 4] The sum of all rows [33 29]
Проналажење квадратног корена и стандардне девијације
Функције скрт() и стд() повезане са низом нумпи користе се за проналажење квадратног корена и стандардне девијације елемената низа.
Стандардна девијација значи колико се сваки елемент низа разликује од средње вредности нумпи низа.
шта ово кд значи
Размотрите следећи пример.
Пример
import numpy as np a = np.array([[1,2,30],[10,15,4]]) print(np.sqrt(a)) print(np.std(a))
Излаз:
[[1. 1.41421356 5.47722558] [3.16227766 3.87298335 2. ]] 10.044346115546242
Аритметичке операције над низом
Модул нумпи нам омогућава да директно изводимо аритметичке операције на вишедимензионалним низовима.
У следећем примеру, аритметичке операције се изводе на два вишедимензионална низа а и б.
Пример
import numpy as np a = np.array([[1,2,30],[10,15,4]]) b = np.array([[1,2,3],[12, 19, 29]]) print('Sum of array a and b ',a+b) print('Product of array a and b ',a*b) print('Division of array a and b ',a/b)
Конкатенација низа
Нумпи нам пружа вертикално и хоризонтално слагање које нам омогућава да повежемо два вишедимензионална низа вертикално или хоризонтално.
Размотрите следећи пример.
Пример
import numpy as np a = np.array([[1,2,30],[10,15,4]]) b = np.array([[1,2,3],[12, 19, 29]]) print('Arrays vertically concatenated ',np.vstack((a,b))); print('Arrays horizontally concatenated ',np.hstack((a,b)))
Излаз:
Arrays vertically concatenated [[ 1 2 30] [10 15 4] [ 1 2 3] [12 19 29]] Arrays horizontally concatenated [[ 1 2 30 1 2 3] [10 15 4 12 19 29]]