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.
| SN | Parâmetro | Descrição |
|---|---|---|
| 1 | objeto | Representa o objeto de coleção. Pode ser uma lista, tupla, dicionário, conjunto, etc. |
| 2 | tipo d | Podemos alterar o tipo de dados dos elementos do array alterando esta opção para o tipo especificado. O padrão é nenhum. |
| 3 | cópia de | É opcional. Por padrão, é verdade, o que significa que o objeto é copiado. |
| 4 | ordem | Pode haver 3 valores possíveis atribuídos a esta opção. Pode ser C (ordem das colunas), R (ordem das linhas) ou A (qualquer) |
| 5 | testado | O array retornado será um array de classe base por padrão. Podemos mudar isso para fazer com que as subclasses passem, definindo esta opção como verdadeira. |
| 6 | ndmin | Representa as dimensões mínimas da matriz resultante. |
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 2eelemento do 0ºíndice e 0ºelemento do 2eíndice 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]]