NumPy, wat staat voor Numerieke Python, is een Python-bibliotheek die voornamelijk wordt gebruikt voor het werken met arrays en om er een breed scala aan wiskundige bewerkingen op uit te voeren. Het is de kernbibliotheek voor wetenschappelijk computergebruik in Python. NumPy wordt vaak gebruikt met andere Python-bibliotheken die verband houden met datawetenschap, zoals SciPy, Pandas en Matplotlib.

In dit artikel leert u hoe u 12 basisbewerkingen uitvoert met NumPy.

Deze NumPy-voorbeelden gebruiken

U kunt de voorbeelden in dit artikel uitvoeren door de code rechtstreeks in de python-interpreter in te voeren. Start het in interactieve modus, vanaf de opdrachtregel, om dit te doen.

U kunt ook toegang krijgen tot een Python Notebook-bestand met de volledige broncode van deze GitHub-repository.

1. NumPy importeren als np en het versienummer afdrukken

U moet de gebruiken importeren trefwoord om elke bibliotheek in Python te importeren. NumPy wordt meestal geïmporteerd onder de np alias. Met deze benadering kunt u naar het NumPy-pakket verwijzen als: np in plaats van numpy.

instagram viewer
importeer numpy als np
afdrukken (np.__versie__)

Uitgang:

1.20.1

2. Een NumPy ndarray-object maken

Het array-object in NumPy heet ndarray. U kunt de NumPy. maken ndarray object met behulp van de reeks() methode. De reeks() methode accepteert een lijst, tuple of een array-achtig object.

Een tuple gebruiken om een ​​NumPy-array te maken

arrObj = np.array((23, 32, 65, 85))
arrObj

Uitgang:

reeks([23, 32, 65, 85])

Een lijst gebruiken om een ​​NumPy-array te maken

arrObj = np.array([43, 23, 75, 15])
arrObj

Uitgang:

reeks([43, 23, 75, 15])

3. 0D-, 1D-, 2D-, 3D- en N-dimensionale NumPy-arrays maken

0D-matrices

Elk element van een array is een 0D-array.

arrObj = np.array (21)
arrObj

Uitgang:

reeks (21)

1D-matrices

Arrays die 0D-arrays als hun elementen hebben, worden 1D-arrays genoemd.

arrObj = np.array([43, 23, 75, 15])
arrObj

Uitgang:

reeks([43, 23, 75, 15])

2D-matrices

Arrays die 1D-arrays als hun elementen hebben, worden 2D-arrays genoemd.

arrObj = np.array([[12, 43, 21], [67, 32, 98]])
arrObj

Uitgang:

reeks([[12, 43, 21],
[67, 32, 98]])

3D-matrices

Arrays die 2D-arrays (matrices) als hun elementen hebben, worden 3D-arrays genoemd.

arrObj = np.array([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
arrObj

Uitgang:

reeks([[[23, 45, 22],
[45, 76, 23]],
[[67, 23, 56],
[12, 76, 63]]])

n-dimensionale arrays

U kunt een array van elke dimensie maken met behulp van de ndmin argument.

arrObj = np.array([23, 22, 65, 44], ndmin=5)
arrObj

Uitgang:

reeks([[[[[23, 22, 65, 44]]]]])

4. De afmetingen van een array controleren

U kunt de afmetingen van een array vinden met behulp van de ndim attribuut.

arrObj1 = np.array (21)
arrObj2 = np.array([43, 23, 75, 15])
arrObj3 = np.array([[12, 43, 21], [67, 32, 98]])
arrObj4 = np.array([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
afdrukken (arrObj1.ndim)
afdrukken (arrObj2.ndim)
afdrukken (arrObj3.ndim)
afdrukken (arrObj4.ndim)

Uitgang:

0
1
2
3

5. Toegang krijgen tot de elementen van 1D-, 2D- en 3D-arrays

U kunt toegang krijgen tot een array-element met behulp van het indexnummer. Voor 2D- en 3D-arrays moet u door komma's gescheiden gehele getallen gebruiken die de index van elke dimensie vertegenwoordigen.

arrObj1 = np.array([43, 23, 75, 15])
arrObj2 = np.array([[12, 43, 21], [67, 32, 98]])
arrObj3 = np.array([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
afdrukken (arrObj1[2])
afdrukken (arrObj2[0, 2])
afdrukken (arrObj3[0, 1, 2])

Uitgang:

75
21
23

Opmerking: NumPy-arrays ondersteunen ook negatieve indexering.

Verwant: Waarom Python de programmeertaal van de toekomst is

6. Het gegevenstype van het NumPy-array-object controleren

U kunt het gegevenstype van het NumPy-arrayobject controleren met behulp van de dtype eigendom.

arrObj1 = np.array([1, 2, 3, 4])
arrObj2 = np.array([1.3, 6.8, 3.5, 9.2])
arrObj3 = np.array(['Welkom', 'aan', 'MUO'])
afdrukken (arrObj1.dtype)
afdrukken (arrObj2.dtype)
afdrukken (arrObj3.dtype)

Uitgang:

int32
float64

Opmerking:

NumPy gebruikt de volgende tekens om de ingebouwde gegevenstypen weer te geven:

  • i — geheel getal (getekend)
  • b — boolean
  • O — object
  • S — tekenreeks
  • u — geheel getal zonder teken
  • f — zweven
  • c — complexe float
  • m — tijddelta
  • M — datumtijd
  • U — unicode-tekenreeks
  • V — onbewerkte gegevens (ongeldig)

7. Het gegevenstype van een NumPy-array wijzigen?

U kunt het gegevenstype van een NumPy-array wijzigen met de astype (data_type) methode. Deze methode accepteert het gegevenstype als parameter en maakt een nieuwe kopie van de array. U kunt het gegevenstype specificeren met tekens zoals 'b' voor boolean, 'i' voor geheel getal, 'f' voor float, enz.

Een integer array converteren naar een float array

arrObj = np.array([43, 23, 75, 15])
floatArr = arrObj.astype('f')
floatArr

Uitgang:

array([43., 23., 75., 15.], dtype=float32)

Een Float Array converteren naar een Integer Array

arrObj = np.array([1.3, 6.8, 3.5, 9.2])
intArr = arrObj.astype('i')
intArr

Uitgang:

array([1, 6, 3, 9], dtype=int32)

Verwant: Ideeën voor Python-projecten die geschikt zijn voor beginners

8. Hoe een NumPy-array naar een andere array te kopiëren?

U kunt een NumPy-array naar een andere array kopiëren met behulp van de np.kopie() functie. Deze functie retourneert een arraykopie van het gegeven object.

oldArr = np.array([43, 23, 75, 15])
newArr = np.copy (oldArr)
nieuweArr

Uitgang:

reeks([43, 23, 75, 15])

9. Hoe de vorm van een NumPy-array te vinden

De vorm van een array verwijst naar het aantal elementen in elke dimensie. U kunt de vorm van een array vinden met behulp van de vorm attribuut. Het retourneert een tuple waarvan de elementen de lengtes van de corresponderende arraydimensies geven.

arrObj = np.array([[12, 43, 21], [67, 32, 98]])
arrObj.vorm

Uitgang:

(2, 3)

Verwant: Hoe API's in Python te bouwen: meest populaire frameworks

10. Een NumPy-array opnieuw vormgeven

Een array een nieuwe vorm geven, betekent de vorm ervan wijzigen. Merk op dat u een array niet kunt omvormen tot een willekeurige vorm. Het aantal elementen dat nodig is voor het omvormen moet in beide vormen gelijk zijn.

arrObj = np.array([43, 23, 75, 15, 34, 45])
reshapedArr = arrObj.reshape (2, 3)
hervormdArr

Uitgang:

reeks([[43, 23, 75],
[15, 34, 45]])

In het bovenstaande voorbeeld wordt een 1D-array omgevormd tot een 2D-array.

11. Een NumPy-array afvlakken?

Een array afvlakken betekent een multidimensionale array omzetten in een 1D-array. U kunt een array afvlakken met omvormen(-1).

arrObj = np.array([[12, 43, 21], [67, 32, 98]])
flattenedArr = arrObj.reshape(-1)
afgeplatArr

Uitgang:

reeks([12, 43, 21, 67, 32, 98])

Opmerking: U kunt een array ook afvlakken met andere methoden, zoals numpy.ndarray.flatten() en numpy.ravel().

12. Een NumPy-array sorteren

U kunt een NumPy-array sorteren met behulp van de numpy.sort() functie.

Sorteren van 1D-matrix van gehele getallen

arrObj = np.array([43, 23, 75, 15])
np.sort (arrObj)

Uitgang:

reeks([15, 23, 43, 75])

Sorteren van 1D-reeks strings

arrObj = np.array(["Python", "JavaScript", "Solidity", "Golang"])
np.sort (arrObj)

Uitgang:

array(['Golang', 'JavaScript', 'Python', 'Solidity'], dtype='

2D-array van gehele getallen sorteren

arrObj = np.array([[12, 43, 21], [67, 32, 98]])
np.sort (arrObj)

Uitgang:

reeks([[12, 21, 43], [32, 67, 98]])

Maak uw code robuust met behulp van ingebouwde methoden en functies

Python is een van de meest populaire programmeertalen. Het wordt gebruikt in verschillende domeinen, zoals webontwikkeling, wetenschappelijke en numerieke toepassingen, softwareontwikkeling en game-ontwikkeling. Het is altijd goed om te weten over ingebouwde methoden en functies in Python. Ze kunnen uw code inkorten en de efficiëntie verhogen.

DeelTweetenE-mail
20 Python-functies die u moet kennen

De Python Standard Library bevat veel functies om u te helpen bij uw programmeertaken. Leer meer over de meest bruikbare en maak robuustere code.

Lees volgende

Gerelateerde onderwerpen
  • Programmeren
  • Programmeren
  • Python
Over de auteur
Yuvraj Chandra (68 artikelen gepubliceerd)

Yuvraj is een student Computerwetenschappen aan de Universiteit van Delhi, India. Hij is gepassioneerd door Full Stack Web Development. Als hij niet aan het schrijven is, onderzoekt hij de diepte van verschillende technologieën.

Meer van Yuvraj Chandra

Abonneer op onze nieuwsbrief

Word lid van onze nieuwsbrief voor technische tips, recensies, gratis e-boeken en exclusieve deals!

Klik hier om je te abonneren