12 operazioni NumPy per principianti

NumPy, che sta per Numerical Python, è una libreria Python utilizzata principalmente per lavorare con gli array e per eseguire un'ampia varietà di operazioni matematiche su di essi. È la libreria principale per il calcolo scientifico in Python. NumPy viene spesso utilizzato con altre librerie Python relative alla scienza dei dati come SciPy, Pandas e Matplotlib.

In questo articolo imparerai come eseguire 12 operazioni di base usando NumPy.

Usando questi esempi di NumPy

Puoi eseguire gli esempi in questo articolo inserendo il codice direttamente nell'interprete Python. Lancialo in modalità interattiva, dalla riga di comando, per farlo.

Puoi anche accedere a un file Python Notebook contenente il codice sorgente completo da questo repository GitHub.

1. Come importare NumPy come np e stampare il numero di versione

Devi usare il importare parola chiave per importare qualsiasi libreria in Python. NumPy viene in genere importato sotto il np alias. Con questo approccio, puoi fare riferimento al pacchetto NumPy come np invece di insensibile.

importa numpy come np
stampa (np.__versione__)

Produzione:

1.20.1

2. Come creare un oggetto ndarray NumPy

Viene chiamato l'oggetto array in NumPy ndarray. Puoi creare il NumPy ndarray oggetto usando il Vettore() metodo. Il Vettore() accetta un elenco, una tupla o un oggetto simile a un array.

Utilizzo di una tupla per creare un array NumPy

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

Produzione:

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

Utilizzo di un elenco per creare un array NumPy

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

Produzione:

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

3. Come creare array NumPy 0D, 1D, 2D, 3D e N-dimensionali

Array 0D

Ogni elemento di un array è un array 0D.

arrObj = np.array (21)
arrObj

Produzione:

matrice (21)

Array 1D

Gli array che hanno array 0D come elementi sono chiamati array 1D.

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

Produzione:

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

Array 2D

Gli array che hanno array 1D come elementi sono chiamati array 2D.

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

Produzione:

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

Array 3D

Gli array che hanno array 2D (matrici) come elementi sono chiamati array 3D.

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

Produzione:

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

Matrici n-dimensionali

Puoi creare un array di qualsiasi dimensione usando il ndmin discussione.

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

Produzione:

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

4. Come controllare le dimensioni di un array

Puoi trovare le dimensioni di un array usando il ndimi attributo.

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]]])
stampa (arrObj1.ndim)
stampa (arrObj2.ndim)
stampa (arrObj3.ndim)
stampa (arrObj4.ndim)

Produzione:

0
1
2
3

5. Come accedere agli elementi di array 1D, 2D e 3D

È possibile accedere a un elemento dell'array utilizzando il suo numero di indice. Per gli array 2D e 3D, è necessario utilizzare numeri interi separati da virgole che rappresentano l'indice di ciascuna dimensione.

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]]])
stampa (arrObj1[2])
stampa (arrObj2[0, 2])
stampa (arrObj3[0, 1, 2])

Produzione:

75
21
23

Nota: gli array NumPy supportano anche l'indicizzazione negativa.

Imparentato: Perché Python è il linguaggio di programmazione del futuro?

6. Come controllare il tipo di dati dell'oggetto array NumPy

Puoi controllare il tipo di dati dell'oggetto array NumPy usando il dtype proprietà.

arrObj1 = np.array([1, 2, 3, 4])
arrObj2 = np.array([1.3, 6.8, 3.5, 9.2])
arrObj3 = np.array(['Benvenuto', 'a', 'MUO'])
stampa (arrObj1.dtype)
stampa (arrObj2.dtype)
stampa (arrObj3.dtype)

Produzione:

int32
float64

Nota:

NumPy usa i seguenti caratteri per rappresentare i tipi di dati incorporati:

• i — intero (con segno)
• b — booleana
• O — oggetto
• S — stringa
• u — intero senza segno
• f - galleggiante
• c — float complesso
• m — timedelta
• M — data e ora
• U — stringa unicode
• V — dati grezzi (vuoto)

7. Come modificare il tipo di dati di un array NumPy

Puoi cambiare il tipo di dati di un array NumPy usando il astype (tipo_dati) metodo. Questo metodo accetta il tipo di dati come parametro e crea una nuova copia dell'array. Puoi specificare il tipo di dati usando caratteri come "b" per booleano, "i" per intero, "f" per float, ecc.

Conversione di un array intero in un array float

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

Produzione:

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

Conversione di un array float in un array intero

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

Produzione:

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

Imparentato: Idee di progetto Python adatte ai principianti

8. Come copiare un array NumPy in un altro array

Puoi copiare un array NumPy in un altro array usando il np.copy() funzione. Questa funzione restituisce una copia dell'array dell'oggetto dato.

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

Produzione:

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

9. Come trovare la forma di un array NumPy

La forma di un array si riferisce al numero di elementi in ogni dimensione. Puoi trovare la forma di un array usando il forma attributo. Restituisce una tupla i cui elementi danno le lunghezze delle corrispondenti dimensioni dell'array.

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

Produzione:

(2, 3)

Imparentato: Come creare API in Python: i framework più popolari

10. Come rimodellare un array NumPy

Rimodellare un array significa cambiarne la forma. Nota che non puoi rimodellare un array in una forma arbitraria. Il numero di elementi necessari per la risagomatura deve essere lo stesso in entrambe le forme.

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

Produzione:

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

Nell'esempio sopra, un array 1D viene rimodellato in un array 2D.

11. Come appiattire un array NumPy

Appiattire un array significa convertire un array multidimensionale in un array 1D. Puoi appiattire un array usando rimodellare (-1).

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

Produzione:

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

Nota: puoi anche appiattire un array usando altri metodi come numpy.ndarray.flatten() e numpy.ravel().

12. Come ordinare un array NumPy

Puoi ordinare un array NumPy usando il numpy.sort() funzione.

Ordinamento di array 1D di numeri interi

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

Produzione:

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

Ordinamento di array 1D di stringhe

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

Produzione:

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

Ordinamento di array 2D di numeri interi

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

Produzione:

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

Rendi il tuo codice robusto utilizzando metodi e funzioni integrati

Python è uno dei linguaggi di programmazione più popolari. È utilizzato in vari domini come lo sviluppo web, le applicazioni scientifiche e numeriche, lo sviluppo di software e lo sviluppo di giochi. È sempre utile conoscere i metodi e le funzioni integrate in Python. Possono abbreviare il codice e aumentarne l'efficienza.

20 funzioni Python che dovresti conoscere

La libreria standard di Python contiene molte funzioni per aiutarti con le tue attività di programmazione. Scopri il più utile e crea codice più robusto.

Leggi Avanti

Circa l'autore