Ndarray é o objeto array n-dimensional definido no numpy que armazena a coleção de tipos semelhantes de elementos. Em outras palavras, podemos definir um ndarray como a coleção de objetos do tipo de dados (dtype).

O objeto ndarray pode ser acessado usando a indexação baseada em 0. Cada elemento do objeto Array contém o mesmo tamanho na memória.

Criando um objeto ndarray

O objeto ndarray pode ser criado usando a rotina array do módulo numpy. Para isso, precisamos importar o numpy.

 >>> a = numpy.array 

Considere a imagem abaixo.

Também podemos passar um objeto de coleção para a rotina de array para criar o array n-dimensional equivalente. A sintaxe é fornecida abaixo.

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

Os parâmetros estão descritos na tabela a seguir.

Para criar um array usando a lista, use a seguinte sintaxe.

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

Para criar um objeto array multidimensional, use a seguinte sintaxe.

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

Para alterar o tipo de dados dos elementos do array, mencione o nome do tipo de dados junto com a coleção.

scan.próximo java

 >>> a = numpy.array([1, 3, 5, 7], complex) 

Encontrando as dimensões do Array

O sou eu A função pode ser usada para encontrar as dimensões do array.

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

Encontrando o tamanho de cada elemento do array

A função itemsize é usada para obter o tamanho de cada item do array. Ele retorna o número de bytes obtidos por cada elemento do array.

Considere o seguinte exemplo.

Exemplo

 #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') 

Saída:

tipos de rede

 Each item contains 8 bytes. 

Encontrando o tipo de dados de cada item da matriz

Para verificar o tipo de dados de cada item do array, a função dtype é usada. Considere o exemplo a seguir para verificar o tipo de dados dos itens da matriz.

Exemplo

 #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) 

Saída:

 Each item is of the type int64 

Encontrando a forma e o tamanho da matriz

Para obter a forma e o tamanho da matriz, a função de tamanho e forma associada à matriz numpy é usada.

Considere o seguinte exemplo.

Exemplo

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

Saída:

 Array Size: 7 Shape: (1, 7) 

Remodelando os objetos do array

Pela forma da matriz, queremos dizer o número de linhas e colunas de uma matriz multidimensional. No entanto, o módulo numpy nos fornece uma maneira de remodelar o array alterando o número de linhas e colunas do array multidimensional.

A função reshape() associada ao objeto ndarray é usada para remodelar o array. Aceita os dois parâmetros que indicam a linha e as colunas da nova forma do array.

Vamos remodelar o array fornecido na imagem a seguir.

Exemplo

 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) 

Saída:

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

Fatiando na matriz

Fatiar o array NumPy é a maneira de extrair uma variedade de elementos de um array. O fatiamento no array é executado da mesma maneira que na lista python.

Considere o exemplo a seguir para imprimir um elemento específico do array.

Exemplo

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

Saída:

string multilinha javascript

 2 5 

O programa acima imprime o 2^eelemento do 0^ºíndice e 0^ºelemento do 2^eíndice da matriz.

Linspace

A função linspace() retorna os valores espaçados uniformemente durante o intervalo determinado. O exemplo a seguir retorna os 10 valores separados uniformemente no intervalo fornecido 5-15

Exemplo

 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) 

Saída:

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

Encontrando o máximo, o mínimo e a soma dos elementos da matriz

O NumPy fornece as funções max(), min() e sum() que são usadas para encontrar o máximo, o mínimo e a soma dos elementos do array, respectivamente.

Considere o seguinte exemplo.

Exemplo

 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()) 

Saída:

emojis de maçã no Android

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

Eixo da matriz NumPy

Uma matriz multidimensional NumPy é representada pelo eixo onde o eixo-0 representa as colunas e o eixo-1 representa as linhas. Podemos mencionar o eixo para realizar cálculos em nível de linha ou coluna, como a adição de elementos de linha ou coluna.

Para calcular o elemento máximo entre cada coluna, o elemento mínimo entre cada linha e a adição de todos os elementos da linha, considere o exemplo a seguir.

Exemplo

 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)) 

Saída:

 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] 

Encontrando raiz quadrada e desvio padrão

As funções sqrt() e std() associadas ao array numpy são usadas para encontrar a raiz quadrada e o desvio padrão dos elementos do array, respectivamente.

O desvio padrão significa o quanto cada elemento da matriz varia em relação ao valor médio da matriz numpy.

Considere o seguinte exemplo.

Exemplo

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

Saída:

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

Operações aritméticas na matriz

O módulo numpy nos permite realizar operações aritméticas diretamente em arrays multidimensionais.

No exemplo a seguir, as operações aritméticas são realizadas nas duas matrizes multidimensionais a e b.

Exemplo

 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) 

Concatenação de array

O numpy nos fornece o empilhamento vertical e o empilhamento horizontal que nos permite concatenar duas matrizes multidimensionais vertical ou horizontalmente.

Considere o seguinte exemplo.

Exemplo

 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))) 

Saída:

 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]]