array numpy in python

Un elenco è un tipo di dati che contiene una sequenza ordinata di elementi. Gli elenchi sono un tipo di dati utile perché consentono di memorizzare più valori correlati in un’unica variabile. Con un elenco, potresti memorizzare i nomi di 10 paia di scarpe in una variabile; potresti memorizzare un elenco di acquisti effettuati in un negozio in un’unica variabile.

Anche se il tipo di dati dell’elenco integrato è già potente, per casi d’uso più avanzati potresti trovarlo carente. è qui che entra in gioco il tipo di dati array di NumPy. La libreria NumPy può essere utilizzata per creare facilmente array con più dimensioni.

In questa guida, parleremo di cosa Gli array NumPy sono, perché sono utili e come puoi lavorare con loro nel tuo codice. Cominciamo!

Cos’è un array NumPy?

Un array NumPy è l’oggetto array utilizzato all’interno della libreria NumPy Python. NumPy, che sta per Numerical Python, è un pacchetto che viene spesso utilizzato per il calcolo scientifico e matematico. è accompagnato da una gamma di strumenti che possono aiutare con l’analisi dei dati e la matematica avanzata.

In vanilla Python (Python senza alcun pacchetto esterno), gli array sono potenti ma possono essere lenti da elaborare. Gli array NumPy, d’altra parte, mirano ad essere ordini di grandezza più veloci di un array Python tradizionale.

Questo aumento delle prestazioni si ottiene perché gli array NumPy memorizzano i valori in un posto continuo in memoria. Questo rende facile per Python accedere e manipolare un elenco.

Come dichiarare un array NumPy

Per iniziare, impostiamo un array NumPy. Per questo tutorial, memorizzeremo i valori delle stringhe nel nostro array. Questi valori stringa sono un elenco delle prelibatezze offerte in una caffetteria locale. Inizieremo importando la libreria NumPy:

Questa riga di codice importa numpy da Python e assegna alla libreria il nome np. Ciò significa che ogni volta che abbiamo bisogno di lavorare con il nostro array, dobbiamo solo chiamare np.

L’81% dei partecipanti ha dichiarato di sentirsi più sicuro delle proprie prospettive di lavoro nel settore tecnologico dopo frequentando un bootcamp. Fatti abbinare a un bootcamp oggi.

Il laureato medio di un bootcamp ha trascorso meno di sei mesi nella transizione di carriera, dall’inizio di un bootcamp alla ricerca del primo lavoro.

Poi, andiamo avanti per dichiarare il nostro array utilizzando l’interfaccia dell’array:

Il nostro array contiene quattro valori stringa. Come un tradizionale array Python, abbiamo racchiuso tutti gli elementi nel nostro elenco tra parentesi quadre. Per dichiarare un array NumPy, abbiamo utilizzato il metodo array che fa parte di np. Questo crea un oggetto ndarray, che è il tipo di array NumPy integrato.

Il nostro codice restituisce una copia del nostro array originale, ordinato come array NumPy:

Ecco: ora abbiamo un array con cui possiamo lavorare.

NumPy Array: Dimensioni

Quando parliamo di dimensioni in NumPy, non intendiamo nuovi mondi come si vedrebbero nei film. Una dimensione in un array è un livello di profondità all’interno quell’array. Quando viene utilizzato il termine dimensione, si riferisce a array nidificati. Questi sono array che contengono array.

Un array può avere un numero qualsiasi di dimensioni. La maggior parte degli array che utilizzerai funzionerà con array 1-D, 2-D o 3-D. La "D" sta per dimensione.

NumPy 1-D Array

Nel nostro primo esempio, abbiamo creato una matrice 1D. Questo è un array che contiene array (o elementi) 0-D come suoi elementi. La maggior parte degli array con cui lavorerai saranno 1-D.

Creiamo un array che memorizzi i prezzi delle prelibatezze al bar:

Il nostro codice restituisce un array in una dimensione, memorizzando i nostri valori: [1.95 2. 2.05].

Per accedere a un elemento da un array 1-D, puoi usare la stessa sintassi che useresti con un elenco Python. Recuperiamo il secondo elemento della nostra lista:

Il nostro codice restituisce l’elemento con il valore di indice 1, che è: 2.

Per saperne di più sugli array Python, leggi il nostro guida per principianti agli array Python.

NumPy 2-D Array

Non tutti gli array sono 1-D. Supponiamo di voler memorizzare un array che contiene due array. Una serie conserva i dolci venduti al bar; l’altro array memorizza un elenco di caffè venduti al negozio. Insieme, fanno parte di un array di voci di menu.

Creiamo questo array usando NumPy:

L’array risultante è:

Il nostro array appena creato ha due dimensioni: il primo array all’interno del nostro array contiene un elenco di dolci; il secondo array contiene un elenco di caffè. Nota che entrambi questi array sono racchiusi all’interno di una coppia di parentesi quadre che collega i due array.

Il recupero di elementi da un array 2D funziona in modo leggermente diverso in NumPy di lo fa in Python. Per accedere agli elementi di un array 2-D, è necessario separare i numeri di indice del valore che si desidera recuperare dall’array.

Considera questo codice:

"Carriera Karma è entrato nella mia vita quando ne avevo più bisogno e mi ha aiutato rapidamente a trovare un bootcamp. Due mesi dopo la laurea, ho trovato il lavoro dei miei sogni in linea con i miei valori e obiettivi nella vita!"

Venus, Software Engineer presso Rockbot

Il nostro codice restituisce: Jammy Shortbread. Abbiamo recuperato l’elemento con il valore di indice 2 che è memorizzato all’interno dell’array con il valore di indice 0. In questo caso, abbiamo recuperato l’ultimo elemento nell’array che memorizza i dolci venduti al bar.

NumPy 3-D Array

Aggiungiamo un’altra dimensione! Gli array NumPy possono contenere array 3D. Questo è un array che contiene array 2-D.

Supponiamo di voler memorizzare i seguenti valori:

  • Cibo dolce e non offerte (accoppiate, ma in array separati); e
  • Bevande contenenti caffeina e non contenenti caffeina (accoppiate, in array separati);

Tutti questi valori dovrebbero essere memorizzati all’interno di un array. Le dimensioni di questo array sono:

  • 1-D: tutte le voci di menu
  • 2-D: dolce e non dolce cibi, bevande contenenti caffeina e senza caffeina
  • 3-D: cibi dolci, cibi non dolci, bevande contenenti caffeina e senza caffeina

Creiamo questo array usando NumPy. Incolla il seguente codice in un file Python:

Il nostro codice restituisce:

Abbiamo creato un 3-D array con tutte le informazioni di cui abbiamo discusso in precedenza. Questo array è un elenco completo di tutte le voci di menu offerte dalla caffetteria.

L’accesso agli elementi da un array 3D funziona in modo simile alla sintassi che usi per accedere agli elementi da un array 2D. La differenza è che devi specificare un terzo indice numero per recuperare un elemento da un array 3D. Recuperiamo "Mocha" dal nostro array:

Il nostro codice restituisce: Mocha.

1 è il numero indice della prima dimensione a cui vogliamo accedere (1 corrisponde alle nostre bevande); 0 è il numero indice della 2a dimensione (0 corrisponde alle bevande contenenti caffeina); 2 è il numero indice della 3a dimensione (2 corrisponde al Moka).

Count le dimensioni in un array

Gli array NumPy possono iniziare a sembrare piuttosto complicati quando inizi ad aggiungere nuove dimensioni. lored array che hanno più di tre dimensioni! Fortunatamente per te, c’è una comoda scorciatoia che puoi usare per calcolare quante dimensioni ha un array.

Incolla il seguente codice in un file Python:

Eseguiamo il nostro codice. Il valore "2" viene restituito. Questo ci dice che il nostro array contiene due dimensioni, che possiamo vedere come vero analizzando il nostro array sopra.

Conclusione

Gli array NumPy sono un modo flessibile di memorizzare valori simili. Sono più veloci ed efficienti dei tradizionali array Python. Puoi lavorare con più dimensioni usando gli array NumPy con facilità; questo è più difficile da fare in Python vanilla.

Ora sei pronto per iniziare a utilizzare gli array NumPy come un programmatore esperto!

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