numpy-Array in Python

Eine Liste ist ein Datentyp, der eine geordnete Folge von Elementen enthält. Listen sind ein nutzlicher Datentyp, da Sie damit mehrere verwandte Werte in einer Variablen speichern können. Mit einer Liste könnten Sie die Namen von 10 Paar Schuhen in einer Variablen speichern; Sie könnten eine Liste der Käufe, die Sie in einem Geschäft getätigt haben, in einer Variablen speichern.

Der integrierte Listendatentyp ist zwar bereits leistungsstark, fur komplexere Anwendungsfälle fehlt er jedoch möglicherweise. Hier kommt der Array-Datentyp von NumPy ins Spiel. Die NumPy-Bibliothek kann verwendet werden, um problemlos Arrays mit mehreren Dimensionen zu erstellen.

In diesem Leitfaden werden wir daruber sprechen, was NumPy-Arrays sind, warum sie nutzlich sind und wie Sie mit ihnen in Ihrem Code arbeiten k√∂nnen. Los geht’s!

Was ist ein NumPy-Array?

Ein NumPy-Array ist das Array-Objekt, das in der NumPy-Python-Bibliothek verwendet wird. NumPy steht fur Numerical Python und ist ein Paket, das häufig fur wissenschaftliche und mathematische Berechnungen verwendet wird. Es wird von einer Reihe von Tools begleitet, die bei der Datenanalyse und erweiterten Mathematik helfen können.

In Vanilla Python (Python ohne externe Pakete) Arrays sind mächtig, aber sie können langsam verarbeitet werden. NumPy-Arrays hingegen sollen um Größenordnungen schneller sein als ein herkömmliches Python-Array.

Diese Leistungssteigerung wird erreicht, weil NumPy-Arrays Werte an einem kontinuierlichen Ort im Speicher speichern. Dies macht es fur Python einfach, auf eine Liste zuzugreifen und sie zu bearbeiten.

So deklarieren Sie ein NumPy-Array

Zu Beginn richten wir ein NumPy-Array ein. In diesem Tutorial speichern wir Stringwerte in unserem Array. Diese Zeichenfolgenwerte sind eine Liste der su√üen Leckereien, die in einem √∂rtlichen Café angeboten werden. Wir beginnen mit dem Importieren der NumPy-Bibliothek:

Diese Codezeile importiert numpy aus Python und weist der Bibliothek den Namen np zu. Das bedeutet, dass wir immer dann, wenn wir mit unserem Array arbeiten mussen, nur np anrufen mussen.

81 % der Teilnehmer gaben an, dass sie sich danach sicherer in Bezug auf ihre Berufsaussichten im Technologiebereich fuhlten an einem Bootcamp teilnehmen. Lassen Sie sich noch heute in ein Bootcamp einweisen.

Der durchschnittliche Bootcamp-Absolvent verbrachte weniger als sechs Monate im Karriereubergang, vom Beginn eines Bootcamps bis zur Suche nach seinem ersten Job.

Als Nächstes gehen wir um unser Array mit der Array-Schnittstelle zu deklarieren:

Unser Array enthält vier Stringwerte. Wie bei einem traditionellen Python-Array haben wir alle Elemente unserer Liste in eckige Klammern gesetzt. Um ein NumPy-Array zu deklarieren, haben wir die Array-Methode verwendet, die Teil von np ist. Dadurch wird ein ndarray-Objekt erstellt, bei dem es sich um den integrierten NumPy-Arraytyp handelt.

Unser Code gibt eine Kopie unseres ursprunglichen Arrays als NumPy-Array zuruck:

Das war’s: Wir haben jetzt ein Array, mit dem wir arbeiten k√∂nnen.

NumPy-Arrays: Dimensionen

Wenn wir in NumPy uber Dimensionen sprechen, meinen wir nicht neue Welten, wie Sie sie in den Filmen sehen wurden. Eine Dimension in einem Array ist eine Ebene der Tiefe innerhalb Dieses Array. Wenn der Begriff Dimension verwendet wird, bezieht er sich auf verschachtelte Arrays. Dies sind Arrays, die Arrays enthalten.

Ein Array kann eine beliebige Anzahl von Dimensionen haben. Die meisten Arrays, die Sie arbeiten mit entweder 1-D-, 2-D- oder 3-D-Arrays. Das "D‚" steht fur Dimension.

NumPy 1-D-Array

In unserem ersten Beispiel, wir haben erstellt ein 1-D-Array. Dies ist ein Array, das als Elemente 0-D-Arrays (oder Elemente) enthält. Die meisten Arrays, mit denen Sie arbeiten werden, sind 1-D.

Erstellen wir ein Array, das die Preise der Leckereien im Café speichert:

Unser Code gibt ein Array in einer Dimension zuruck und speichert unsere Werte: [1.95 2. 2.05].

Um auf ein Element aus einem 1D-Array zuzugreifen, können Sie dieselbe Syntax wie bei einer Python-Liste verwenden. Lassen Sie uns das zweite Element in unserer Liste abrufen:

Unser Code gibt das Element mit dem Indexwert 1 zuruck, das ist: 2.

Um mehr uber Python-Arrays zu erfahren, lesen Sie unsere Anleitung fur Python-Arrays fur Anfänger.

NumPy 2-D-Array

Nicht alle Arrays sind 1-D. Angenommen, wir m√∂chten ein Array speichern, das zwei Arrays enth√§lt. Ein Array lagert die su√üen Leckereien, die im Café verkauft werden; das andere Array speichert eine Liste der im Laden verkauften Kaffees. Zusammen sind diese Teil eines Arrays Menuelemente.

Lassen Sie uns dieses Array mit NumPy erstellen:

Das resultierende Array ist:

Unser neu erstelltes Array hat zwei Dimensionen: Das erste Array in unserem Array enthält eine Liste sußer Leckereien; Das zweite Array enthält eine Kaffeeliste. Beachten Sie, dass beide Arrays in eckige Klammern eingeschlossen sind, die die beiden Arrays verbinden.

Das Abrufen von Artikeln aus einem 2D-Array funktioniert etwas anders in NumPy als es tut in Python. Um auf Elemente aus einem 2D-Array zuzugreifen, mussen Sie die Indexnummern des Werts trennen, den Sie aus dem Array abrufen möchten.

Betrachten Sie diesen Code:

"Karriere-Karma trat in mein Leben ein, als ich es am dringendsten brauchte und half mir schnell bei einem Bootcamp. Zwei Monate nach meinem Abschluss fand ich meinen Traumjob, der meinen Werten und Lebenszielen entsprach!"

Venus, Software Engineer bei Rockbot

Unser Code gibt zuruck: Jammy Shortbread. Wir haben den Artikel mit dem Indexwert 2 abgerufen, der im Array mit dem Indexwert 0 gespeichert ist. In diesem Fall haben wir den letzten Artikel im Array abgerufen, der die im Café verkauften su√üen Leckereien speichert.

NumPy 3-D-Array

Lassen Sie uns eine weitere Dimension hinzufugen! NumPy-Arrays können 3-D-Arrays enthalten. Dies ist ein Array, das 2D-Arrays enthält.

Angenommen, wir möchten die folgenden Werte speichern:

  • Su√üe und nicht su√üe Speisen Angebote (gepaart, aber in getrennten Arrays); und
  • Koffeinhaltige und nicht-koffeinhaltige Getr√§nke (gepaart, in separaten Arrays);

Alle diese Werte sollten in einem Array gespeichert werden. Die Abmessungen dieses Arrays sind:

  • 1-D: Alle Menupunkte
  • 2-D: Su√ü und nicht su√ü Lebensmittel, koffeinhaltige und nicht koffeinhaltige Getr√§nke
  • 3-D: Su√üspeisen, nicht su√üe Lebensmittel, koffeinhaltige, koffeinfreie Getr√§nke

Lassen Sie uns dieses Array mit NumPy erstellen. Fugen Sie den folgenden Code in eine Python-Datei ein:

Unser Code gibt zuruck:

Wir haben eine 3-D Array mit allen Informationen, die wir zuvor besprochen haben. Dieses Array ist eine umfassende Liste aller vom Coffeeshop angebotenen Menupunkte.

Der Zugriff auf Elemente aus einem 3D-Array funktioniert √§hnlich wie die Syntax, die Sie fur den Zugriff auf Elemente aus einem 2D-Array verwenden. Der Unterschied besteht darin, dass Sie einen dritten Index angeben mussen Nummer, um ein Element aus einem 3D-Array abzurufen. Lassen Sie uns "Mocha‚" aus unserem Array abrufen:

Unser Code gibt zuruck: Mokka.

1 ist die Indexnummer der 1. Dimension, auf die wir zugreifen möchten (1 entspricht unseren Getränken); 0 ist die Indexnummer der 2. Dimension (0 entspricht den koffeinhaltigen Getränken); 2 ist die Indexnummer der 3. Dimension (2 entspricht Mokka).

Count die Dimensionen in einem Array

Anzahl Arrays können ziemlich kompliziert aussehen, wenn Sie neue Dimensionen hinzufugen lored Arrays, die mehr als drei Dimensionen haben! Zum Gluck gibt es eine praktische Verknupfung, mit der Sie berechnen können, wie viele Dimensionen ein Array hat.

Fugen Sie den folgenden Code in eine Python-Datei ein:

Lassen Sie unseren Code ausfuhren. Der Wert "2‚" ist zuruck gekommen. Dies sagt uns, dass unser Array zwei Dimensionen enth√§lt, was wir durch die Analyse unseres obigen Arrays sehen k√∂nnen.

Schlussfolgerung

NumPy-Arrays sind eine flexible Möglichkeit, ähnliche Werte zu speichern. Sie sind schneller und effizienter als herkömmliche Python-Arrays. Sie können problemlos mit mehreren Dimensionen arbeiten, indem Sie NumPy-Arrays verwenden. Dies ist in Vanilla Python schwieriger.

Jetzt sind Sie bereit, NumPy-Arrays wie ein erfahrener Programmierer zu verwenden!

Shop

Learn programming in R: courses

$

Best Python online courses for 2022

$

Best laptop for Fortnite

$

Best laptop for Excel

$

Best laptop for Solidworks

$

Best laptop for Roblox

$

Best computer for crypto mining

$

Best laptop for Sims 4

$

Latest questions

NUMPYNUMPY

psycopg2: insert multiple rows with one query

12 answers

NUMPYNUMPY

How to convert Nonetype to int or string?

12 answers

NUMPYNUMPY

How to specify multiple return types using type-hints

12 answers

NUMPYNUMPY

Javascript Error: IPython is not defined in JupyterLab

12 answers

News


Wiki

Python OpenCV | cv2.putText () method

numpy.arctan2 () in Python

Python | os.path.realpath () method

Python OpenCV | cv2.circle () method

Python OpenCV cv2.cvtColor () method

Python - Move item to the end of the list

time.perf_counter () function in Python

Check if one list is a subset of another in Python

Python os.path.join () method