logo

numpy.array() en Python

Le tableau multidimensionnel homogène est l’objet principal de NumPy . Il s’agit essentiellement d’un tableau d’éléments tous du même type et indexés par un tuple d’entiers positifs. Les dimensions sont appelées axes dans NumPy.

quand est-ce que Win 7 est sorti

La classe tableau de NumPy est connue sous le nom de ndarray ou tableau d'alias . Le numpy.array n'est pas le même que la classe de bibliothèque Python standard tableau.tableau . Le array.array ne gère que les tableaux unidimensionnels et offre moins de fonctionnalités.

Syntaxe

 numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0) 

Paramètres

Il y a les paramètres suivants dans la fonction numpy.array().

1) objet : array_like

Tout objet qui expose une interface tableau dont la méthode __array__ renvoie une séquence imbriquée ou un tableau.

2) dtype : type de données facultatif

Ce paramètre est utilisé pour définir le paramètre souhaité pour l'élément du tableau. Si nous ne définissons pas le type de données, alors il déterminera le type comme type minimum qui nécessitera de contenir l'objet dans la séquence. Ce paramètre est utilisé uniquement pour la conversion ascendante du tableau.

3) copie : bool (facultatif)

Si nous définissons copy égal à true, l'objet est copié, sinon la copie sera effectuée lorsqu'un objet est une séquence imbriquée, ou qu'une copie est nécessaire pour satisfaire l'une des autres exigences telles que le type, l'ordre, etc.

conversion d'une chaîne en date

4) ordre : {'K', 'A', 'C', 'F'}, facultatif

Le paramètre order spécifie la disposition de la mémoire du tableau. Lorsque l'objet n'est pas un tableau, le tableau nouvellement créé sera dans l'ordre C (en-tête de ligne ou ligne principale) sauf si « F » est spécifié. Lorsque F est spécifié, ce sera dans l’ordre Fortran (tête de colonne ou colonne majeure). Lorsque l'objet est un tableau, il tient l'ordre suivant.

commande pas de copie copie = Vrai
'K' Inchangé Commande F et C conservée.
'UN' Inchangé Lorsque l'entrée est F et non C alors ordre F sinon ordre C
'C' Commande C Commande C
'F' Commande F Commande F

Lorsque copy=False ou que la copie est effectuée pour une autre raison, le résultat sera le même que copy= True avec quelques exceptions pour A. L'ordre par défaut est « K ».

5) test : booléen (facultatif)

Lorsque subok=True, alors les sous-classes seront transmises ; sinon, le tableau renvoyé sera forcé d'être un tableau de classe de base (par défaut).

6) ndmin : int (facultatif)

Ce paramètre spécifie le nombre minimum de dimensions que le tableau résultant doit avoir. Les utilisateurs peuvent être ajoutés au début de la forme si nécessaire pour répondre à cette exigence.

Retour

La méthode numpy.array() renvoie un ndarray. Le ndarray est un objet tableau qui satisfait aux exigences spécifiées.

k algorithme de clustering

Exemple 1 : numpy.array()

 import numpy as np arr=np.array([1,2,3]) arr 

Sortir:

 array([1, 2, 3]) 

Dans le code ci-dessus

  • Nous avons importé numpy avec le nom d'alias np.
  • Nous avons déclaré la variable 'arr' et attribué la valeur renvoyée par la fonction np.array().
  • Dans la fonction array(), nous avons transmis uniquement les éléments, pas les axes.
  • Enfin, nous avons essayé d'imprimer la valeur de arr.

Dans la sortie, un tableau a été affiché.

Exemple 2 :

 import numpy as np arr=np.array([1,2.,3.]) arr 

Sortir:

 array([1., 2., 3.]) 

Dans le code ci-dessus

  • Nous avons importé numpy avec le nom d'alias np.
  • Nous avons déclaré la variable 'arr' et attribué la valeur renvoyée par la fonction np.array().
  • Dans la fonction array(), nous avons passé des éléments de différents types tels que entier, float, etc.
  • Enfin, nous avons essayé d'imprimer la valeur de arr.

Dans la sortie, un tableau a été affiché contenant des éléments d'un tel type qui nécessitent un minimum de mémoire pour contenir l'objet dans la séquence.

Exemple 3 : Plusieurs dimensions

 import numpy as np arr=np.array([[1,2.,3.],[4.,5.,7]]) arr 

Sortir:

 array([[1., 2., 3.], [4., 5., 7.]]) 

Dans le code ci-dessus

  • Nous avons importé numpy avec le nom d'alias np.
  • Nous avons déclaré la variable 'arr' et attribué la valeur renvoyée par la fonction np.array().
  • Dans la fonction array(), nous avons passé le nombre d’éléments entre différents crochets.
  • Enfin, nous avons essayé d'imprimer la valeur de arr.

Dans la sortie, un tableau multidimensionnel a été affiché.

Exemple 4 : Dimensions minimales : 2

 import numpy as np arr=np.array([1,2.,3.],ndmin=2) arr 

Sortir:

garniture javascript
 array([[1., 2., 3.]]) 

Dans le code ci-dessus

  • Nous avons importé numpy avec le nom d'alias np.
  • Nous avons déclaré la variable 'arr' et attribué la valeur renvoyée par la fonction np.array().
  • Dans la fonction array(), nous avons passé le nombre d'éléments entre crochets et la dimension pour créer un ndarray.
  • Enfin, nous avons essayé d'imprimer la valeur de arr.

Dans la sortie, un tableau bidimensionnel a été affiché.

Exemple 5 : Type fourni

 import numpy as np arr=np.array([12,45.,3.],dtype=complex) arr 

Sortir:

 array([12.+0.j, 45.+0.j, 3.+0.j]) 

Dans le code ci-dessus

  • Nous avons importé numpy avec le nom d'alias np.
  • Nous avons déclaré la variable 'arr' et attribué la valeur renvoyée par la fonction np.array().
  • Dans la fonction array(), nous avons passé les éléments entre crochets et défini le type sur complexe.
  • Enfin, nous avons essayé d'imprimer la valeur de arr.

Dans le résultat, les valeurs des éléments « arr » ont été affichées sous forme de nombres complexes.

Exemple 6 : Création d'un tableau à partir de sous-classes

 import numpy as np arr=np.array(np.mat('1 2;3 4')) arr arr=np.array(np.mat('1 2;3 4'),subok=True) arr 

Sortir:

liste de latex
 array([[1, 2], [3, 4]]) matrix([[1, 2], [3, 4]]) 

Dans le code ci-dessus

  • Nous avons importé numpy avec le nom d'alias np.
  • Nous avons déclaré la variable 'arr' et attribué la valeur renvoyée par la fonction np.array().
  • Dans la fonction array(), nous avons passé les éléments sous la forme d'une matrice à l'aide de la fonction np.mat() et avons défini subok=True.
  • Enfin, nous avons essayé d'imprimer la valeur de arr.

Dans la sortie, un tableau multidimensionnel a été affiché.