NumPy와의 ndarray : 다차원 배열 객체
NumPy와 N- 차원 배열의 핵심 기능들 중 하나는 오브젝트 --ndarray이다.
ndarray 파이썬 큰 데이터 세트를 빠르고 유연한 용기이다. 디지털은 하나의 데이터 조각에 스칼라 수학적 계산의 작동과 유사한 구문을 사용할 수 있습니다.
우선 우리는 NumPy와 모듈을 가져올
import numpy as np생성 ndarray
객체의 배열을 생성하는 가장 쉬운 방법은 배열 함수를 사용하는 것입니다. 배열 함수 NumPy와 전송할 데이터를 포함하는 새로운 배열을 생성하기 위해, 모든 종류의 표적 서열 (물론, 다른 배열을 포함한다)을 수신한다.
1 차원 배열을 생성 :
data1 = [6,7.5,8,0,1]
arr1 = np.array(data1)
print(arr1)[6. 7.5 8 0 1]
2 차원 배열을 생성 :
data2 = [[1,2,3,4],[5,6,7,8]]
arr2 = np.array(data2)
print(arr2)
print(arr2.ndim)
print(arr2.shape)[1 2 3 4]
[5 6 7 8]
(2)
(2, 4)
당신은 모양 与
이러한 두 특성은 배열을 나타내는데 사용된다.
ndim이 배열은 여러 가지 치수를 나타내는 데 사용
이 형태는 여러 다중 배열의 몇 가지를 나타내는 데 사용됩니다
DTYPE
달리 명시 적으로 규정되지 않는 한, 자동적으로 생성 된 배열의 데이터 타입을 추론 np.array. 어레이는 부동 소수점 수는 경우가있는 경우 예를 들어, 데이터가 자동 배열을 떠 추정되며, 데이터의 종류에 특별한 DTYPE 메타 데이터에 저장된다.
print(arr1.dtype)
print(arr2.dtype)float64
INT32
NumPy와 배열 생성 기능 :
함수 이름 | 설명
| 함수 이름 | 기술 |
|---|---|
| 정렬 | 명시 적으로 지정하지 않은 데이터 타입이 자동으로 얻어진 추정하는 경우에 ndarray (튜플, 배열 및 다른 서열의리스트 일 수있다) 입력 데이터를 기본적 복사 입력 데이터의 모든 |
| asarray | ndarray에 입력하지만 입력이 이미 켜져있는 경우 ndarray 더 이상하지 그와 배열의 차이는 데이터 소스가 ndarray 객체 인 경우, 배열, 사본을 복사하여 새 메모리를 차지하지만, asarray 없다는 것입니다, 복제 |
| arange에 | 파이썬 내장 배열 판의 기능 범위에서 같은 배열 되돌아 1,2,3,4 .....] |
| 사람 | 전체 어레이는 소정의 데이터 유형 및 형상을 생성 |
| ones_like | 어레이 (1)의 전체 배열에 따라 다른 형상을 생성 |
| 제로 | 주어진 형상 0 데이터 유형의 전체 어레이를 생성 따르면 |
| zeros_like | 0 전체 어레이와 동일한 형태의 어레이를 생성하는데있어서 |
| 빈 | 소정의 형상을 생성하는 데있어서, 빈 배열 초기치 아니다 |
| empty_like | 동일한 형상에 따라 생성 된 어레이지만 값은 빈 어레이를 초기화되지 |
| 완전한 | 소정 형상의 어레이 형 어레이 np.full (형상, 기입 값 DTYPE = 데이터 유형)에 따라 지정된 값을 생성 |
| full_like | 형상은 동일 배열에 따라 생성되지만 배열 내용 값을 지정된 오브젝트에 유일한 형상 패러미터가 될 수 ndarray |
| N * N 매트릭스를 생성하는 단계는, 다른 모든 대각의 위치와는 0이고, 그들 사이의 차이는 전자는 정방 행렬이 될 수있는 매트릭스의 형상을 제어 할 수있다 |