Hvordan du bruker python numpy matrise

Mange biblioteker finnes i Python for å utføre forskjellige typer oppgaver. Numpy er en av dem. Den fulle formen for Numpy er numerisk pyton, og den brukes hovedsakelig til vitenskapelig databehandling. Flerdimensjonale array-objekter kan defineres ved å bruke dette biblioteket som kalles Python Numpy Array. Ulike typer funksjoner finnes i det numpy biblioteket for å lage matrisen. Numpy matrise kan genereres fra Python -listen over numeriske data, dataområde og tilfeldige data. Hvordan numpy matrise kan opprettes og brukes til å gjøre forskjellige operasjonstyper har vist i denne opplæringen.

Fordelen med å bruke Numpy Array

Numpy Array er bedre enn Python -listen av forskjellige grunner. Noen vesentlige fordeler ved å bruke numpy matrise er gitt nedenfor.

1. Det bruker mindre minne sammenlignet med Python -listen.
2. Det fungerer raskere enn Python -listen for samme datamengde.
3. Det er mer egnet å bruke i stedet for Python -listen for noen spesifikke oppgaver.

Forutsetninger

Numpy Library er ikke installert i Python som standard. Så du må installere dette biblioteket før du øver på eksemplene som vises i denne opplæringen. Python 3+ brukes i denne opplæringen. Kjør følgende kommando fra terminalen for å installere Numpy i Python 3.

$ sudo apt-get install python3-numpy

Numpy Array -attributter

Numpy Array har mange attributter for å hente forskjellige typer informasjon om matrisen. Noen av de nyttige attributtene til denne matrisen er beskrevet nedenfor.

1. Ndarray.ndim - Denne attributtet returnerer antall dimensjoner av den numpy arrayen som er navngitt Ndarray.
2. Ndarray.form - Denne attributtet returnerer størrelsen på hver dimensjon av den numpy arrayen som er navngitt Ndarray.
3. Ndarray.størrelse - Denne attributtet returnerer det totale antallet elementer i den numpy arrayen som er navngitt Ndarray.
4. Ndarray.Itemsize - Denne attributtet returnerer størrelsen på hvert element i den numpy arrayen som er navngitt Ndarray.
5. Ndarray.dtype - Denne attributtet returnerer datatypen av elementer i den numpy arrayen som er navngitt Ndarray.
6. Ndarray.Nbytes - Denne attributtet returnerer det totale antallet byte som konsumeres av elementene i den numpy arrayen som er navngitt Ndarray.

Bruk av numpy matrise

Måtene å erklære endimensjonale, todimensjonale og tredimensjonale numpy matrise er vist i denne delen av opplæringen.

Eksempel-1: Bruk av endimensjonal numpy matrise

Følgende eksempel viser tre måter å lage en endimensjonal numpy matrise. Array () -funksjon har blitt brukt til å lage det første endimensjonale utvalget av 10 heltallstall. Arrange () -funksjon har blitt brukt til å lage det andre endimensjonale utvalget av 10 sekvensielle tall. Rand () Funksjon har blitt brukt til å lage den tredje endimensjonale matrisen med 10 tilfeldige float-tall. Neste, The print () funksjon har brukt til å skrive ut de forskjellige attributtene og tre matriseres verdier.

# Importer numpy
Importer numpy som NP
# Erklære numpy matrise i tre forskjellige arrayer
OneArray1 = NP.Array ([7, 3, 19, 6, 3, 1, 12, 8, 11, 5])
OneArray2 = NP.Arange (10)
OneArray3 = NP.tilfeldig.Rand (10)
# Skriv ut forskjellige attributter for tre numpy matriser
trykk ("\ n Dimensjonen til den første numpy -arrayen er:", OneArray1.ndim)
Trykk ("Størrelsen på den andre Numpy -arrayen er:", OneArray2.størrelse)
Print ("Datatypen til den tredje numpy -arrayen er:", OneArray3.dtype)
# Skriv ut verdiene til de tre numpy matriseene
PRINT ("\ N Verdiene til den første matrisen er: \ n", OneArray1)
Print ("Verdiene til den andre matrisen er: \ n", OneArray2)
Print ("Verdiene til den tredje matrisen er: \ n", OneArray3)

Produksjon:

Følgende utgang vises etter å ha utført skriptet ovenfor. Utgangen viser at den første matrisen er 1, Størrelsen på den andre matrisen er 10, og datatypen til den tredje matrisen er Float64. Tre matriser er skrevet ut senere.

Eksempel-2: Bruk av todimensjonal numpy matrise

Følgende eksempel viser to måter å lage en todimensjonal numpy matrise. Array () -funksjonen har blitt brukt til å lage en todimensjonal matrise med 2 rader og 3 kolonner med heltalldata. Rand () -funksjonen har blitt brukt til å lage en todimensjonal rekke 2 rader og 4 kolonner med float-data. Deretter har PRINT () -funksjonen brukt til å skrive ut størrelsesattributtet og begge arraysverdiene.

# Importer numpy
Importer numpy som NP
# Erklære todimensjonal matrise ved hjelp av lister
TOARRAY1 = NP.Array ([[12, 2, 27], [40, 15, 6]])
# Erklære todimensjonal matrise ved hjelp av tilfeldige verdier
TOARRAY2 = NP.tilfeldig.Rand (2, 4)
# Skriv ut størrelsen på begge matriser
trykk ("Størrelsen på den første matrisen:", TwoArray1.størrelse)
trykk ("Størrelsen på den andre matrisen:", TwoArray2.størrelse)
# Skriv ut verdiene til begge matriser
PRINT ("Verdiene til den første matrisen er: \ n", toArray1)
PRINT ("Verdiene til den andre matrisen er: \ n", toArray2)

Produksjon:

Følgende utgang vises etter å ha utført skriptet ovenfor. Utgangen viser at den første matrisens størrelse er 6 (2 × 3), og størrelsen på den andre matrisen er 8 (2 × 4). Begge matriser er skrevet ut senere.

Eksempel-3: Bruk av tredimensjonal numpy matrise

Følgende eksempel viser to måter å lage en tredimensjonal numpy matrise. Array () -funksjonen har blitt brukt til å lage en tredimensjonal rekke heltalldata. Rand () -funksjonen har blitt brukt til å lage en tredimensjonal rekke float-data. Deretter har print () -funksjonen brukt til å skrive ut dimensjonen og verdiene til begge matriser.

# Importer numpy
Importer numpy som NP
# Opprett en tredimensjonal matrise ved hjelp av listen
treearray1 = np.Array ([[[3, 6, 7], [7, 5, 9], [8, 5, 2]]])
# Opprett en tredimensjonal matrise ved hjelp av tilfeldige verdier
treearray2 = np.tilfeldig.Rand (2, 4, 3)
# Skriv ut dimensjonen til begge matriser
trykk ("Dimensjonen til den første matrisen:", trearray1.ndim)
trykk ("Dimensjonen til den andre matrisen:", trearray2.ndim)
# Skriv ut verdiene til begge matriser
Print ("Verdiene til den første matrisen er: \ n", trearray1)
Print ("Verdiene til den andre matrisen er: \ n", treearray2)

Produksjon:

Følgende utgang vises etter å ha utført skriptet ovenfor. Utgangen viser at dimensjonen til begge matriser er 3. Begge matriser er skrevet ut senere.

Konklusjon

Å lage forskjellige typer numpy matriser er blitt forklart i denne opplæringen ved å bruke flere eksempler. Jeg håper leserne vil kunne lage numpy matriser etter å ha praktisert eksemplene på denne opplæringen.