logo

NumPy Ndarray

Ndarray est l'objet tableau à n dimensions défini dans le numpy qui stocke la collection d'éléments de type similaire. En d’autres termes, nous pouvons définir un ndarray comme la collection d’objets de type de données (dtype).

L'objet ndarray est accessible en utilisant l'indexation basée sur 0. Chaque élément de l'objet Array contient la même taille en mémoire.

Création d'un objet ndarray

L'objet ndarray peut être créé à l'aide de la routine array du module numpy. Pour cela, nous devons importer le numpy.

 >>> a = numpy.array 

Considérez l'image ci-dessous.

NumPy Ndarray

Nous pouvons également transmettre un objet de collection dans la routine de tableau pour créer le tableau équivalent à n dimensions. La syntaxe est donnée ci-dessous.

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

Les paramètres sont décrits dans le tableau suivant.

SN Paramètre Description
1 objet Il représente l'objet de collection. Il peut s'agir d'une liste, d'un tuple, d'un dictionnaire, d'un ensemble, etc.
2 type Nous pouvons modifier le type de données des éléments du tableau en modifiant cette option par le type spécifié. La valeur par défaut est aucune.
3 copie C'est facultatif. Par défaut, c'est vrai, ce qui signifie que l'objet est copié.
4 commande Il peut y avoir 3 valeurs possibles attribuées à cette option. Il peut s'agir de C (ordre des colonnes), R (ordre des lignes) ou A (n'importe lequel).
5 testé Le tableau renvoyé sera un tableau de classe de base par défaut. Nous pouvons changer cela pour faire passer les sous-classes en définissant cette option sur true.
6 ndmin Il représente les dimensions minimales du tableau résultant.

Pour créer un tableau à l'aide de la liste, utilisez la syntaxe suivante.

 >>> a = numpy.array([1, 2, 3]) 
NumPy Ndarray

Pour créer un objet tableau multidimensionnel, utilisez la syntaxe suivante.

 >>> a = numpy.array([[1, 2, 3], [4, 5, 6]]) 
NumPy Ndarray

Pour modifier le type de données des éléments du tableau, mentionnez le nom du type de données ainsi que la collection.

un formulaire complet
 >>> a = numpy.array([1, 3, 5, 7], complex) 
NumPy Ndarray

Trouver les dimensions du tableau

Le c'est moi La fonction peut être utilisée pour trouver les dimensions du tableau.

 >>> import numpy as np >>> arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) >>> print(arr.ndim) 
NumPy Ndarray

Trouver la taille de chaque élément du tableau

La fonction itemsize est utilisée pour obtenir la taille de chaque élément du tableau. Il renvoie le nombre d'octets occupés par chaque élément du tableau.

Considérez l'exemple suivant.

Exemple

 #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') 

Sortir:

 Each item contains 8 bytes. 

Trouver le type de données de chaque élément du tableau

Pour vérifier le type de données de chaque élément du tableau, la fonction dtype est utilisée. Considérez l'exemple suivant pour vérifier le type de données des éléments du tableau.

Exemple

 #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) 

Sortir:

remplacer tout dans la chaîne java
 Each item is of the type int64 

Trouver la forme et la taille du tableau

Pour obtenir la forme et la taille du tableau, la fonction size et shape associée au tableau numpy est utilisée.

Considérez l'exemple suivant.

Exemple

 import numpy as np a = np.array([[1,2,3,4,5,6,7]]) print('Array Size:',a.size) print('Shape:',a.shape) 

Sortir:

 Array Size: 7 Shape: (1, 7) 

Remodeler les objets du tableau

Par forme du tableau, nous entendons le nombre de lignes et de colonnes d’un tableau multidimensionnel. Cependant, le module numpy nous permet de remodeler le tableau en modifiant le nombre de lignes et de colonnes du tableau multidimensionnel.

La fonction reshape() associée à l'objet ndarray est utilisée pour remodeler le tableau. Il accepte les deux paramètres indiquant la ligne et les colonnes de la nouvelle forme du tableau.

Remodelons le tableau donné dans l'image suivante.

NumPy Ndarray

Exemple

 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) 

Sortir:

 printing the original array.. [[1 2] [3 4] [5 6]] printing the reshaped array.. [[1 2 3] [4 5 6]] 

Découper dans le tableau

Le découpage dans le tableau NumPy est le moyen d'extraire une plage d'éléments d'un tableau. Le découpage dans le tableau est effectué de la même manière que dans la liste Python.

Considérez l'exemple suivant pour imprimer un élément particulier du tableau.

Exemple

 import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print(a[0,1]) print(a[2,0]) 

Sortir:

 2 5 

Le programme ci-dessus imprime le 2sdélément du 0èmeindice et 0èmeélément du 2sdindice du tableau.

Espace Lin

La fonction linspace() renvoie les valeurs régulièrement espacées sur l'intervalle donné. L'exemple suivant renvoie les 10 valeurs uniformément séparées sur l'intervalle donné 5-15

moteur de recherche et exemples

Exemple

 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) 

Sortir:

 [ 5. 6.11111111 7.22222222 8.33333333 9.44444444 10.55555556 11.66666667 12.77777778 13.88888889 15. ] 

Trouver le maximum, le minimum et la somme des éléments du tableau

Le NumPy fournit les fonctions max(), min() et sum() qui sont utilisées respectivement pour trouver le maximum, le minimum et la somme des éléments du tableau.

Considérez l'exemple suivant.

Exemple

 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()) 

Sortir:

 The array: [ 1 2 3 10 15 4] The maximum element: 15 The minimum element: 1 The sum of the elements: 35 

Axe du tableau NumPy

Un tableau multidimensionnel NumPy est représenté par l'axe où l'axe 0 représente les colonnes et l'axe 1 représente les lignes. On peut mentionner l'axe pour effectuer des calculs au niveau de la ligne ou de la colonne comme l'ajout d'éléments de ligne ou de colonne.

NumPy Ndarray

Pour calculer l’élément maximum parmi chaque colonne, l’élément minimum parmi chaque ligne et l’ajout de tous les éléments de ligne, considérons l’exemple suivant.

Exemple

 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)) 

Sortir:

démarque des notes de bas de page
 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] 

Trouver la racine carrée et l'écart type

Les fonctions sqrt() et std() associées au tableau numpy sont utilisées pour trouver respectivement la racine carrée et l'écart type des éléments du tableau.

L'écart type signifie dans quelle mesure chaque élément du tableau varie par rapport à la valeur moyenne du tableau numpy.

Considérez l'exemple suivant.

Exemple

 import numpy as np a = np.array([[1,2,30],[10,15,4]]) print(np.sqrt(a)) print(np.std(a)) 

Sortir:

 [[1. 1.41421356 5.47722558] [3.16227766 3.87298335 2. ]] 10.044346115546242 

Opérations arithmétiques sur le tableau

Le module numpy nous permet d'effectuer directement les opérations arithmétiques sur des tableaux multidimensionnels.

Dans l'exemple suivant, les opérations arithmétiques sont effectuées sur les deux tableaux multidimensionnels a et b.

Exemple

 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) 

Concaténation de tableaux

Le numpy nous fournit l'empilement vertical et l'empilement horizontal qui nous permettent de concaténer deux tableaux multidimensionnels verticalement ou horizontalement.

Considérez l'exemple suivant.

Exemple

 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))) 

Sortir:

 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]]