Tạo mảng – GeeksforGeeks – tạo một mảng numpy

Cổng thông tin Khoa học Máy tính dành cho những người yêu thích máy tính. Nó bao gồm các bài báo về khoa học máy tính và lập trình được viết tốt, được tư duy tốt và được giải thích tốt, các câu đố và thực hành / lập trình cạnh tranh / các câu hỏi phỏng vấn công ty.

Bạn đang xem : tạo mảng phức tạp

Numpy | Tạo mảng

Tạo mảng bằng cách sử dụng Danh sách: Mảng được sử dụng để lưu trữ nhiều giá trị trong một biến duy nhất. thay vào đó.
Ví dụ:

arr = [1, 2, 3, 4, 5]
arr1 = ["geeks", "for", "geeks"]
# Chương trình Python để tạo
# một mảng

# Tạo mảng bằng danh sách
    arr = [1, 2, 3, 4, 5]
    cho tôi trong arr:
        in (i)


Đầu ra:

1
2
3
4
5

Tạo mảng bằng các hàm mảng:
mảng (kiểu dữ liệu, giá trị list) được sử dụng để tạo một mảng với kiểu dữ liệu và danh sách giá trị được chỉ định trong các đối số của nó.
Ví dụ:

# Mã Python để chứng minh hoạt động của
# mảng()
 
# nhập "mảng" cho các hoạt động của mảng
mảng nhập khẩu
 
# khởi tạo mảng với các giá trị mảng
# khởi tạo mảng với các số nguyên có dấu
arr = array.array ('i', [1, 2, 3])

# in mảng gốc
print ("Mảng mới được tạo là:", end = "")
đối với tôi trong phạm vi (0,3):
    print (arr [i], end = "")

print ("\ r")

Đầu ra:

 Mảng mới được tạo là: 1 2 3 1 5

Tạo mảng sử dụng các phương pháp numpy:
NumPy cung cấp một số chức năng để tạo mảng với nội dung giữ chỗ ban đầu. Những điều này giảm thiểu sự cần thiết của các mảng ngày càng tăng, một hoạt động tốn kém. Ví dụ: np.zeros , np.empty , v.v.

numpy.empty (shape, dtype = float, order = ‘C’) : Trả về một mảng mới hình dạng và kiểu, với các giá trị ngẫu nhiên.


# Lập trình Python minh họa
# numpy.empty method

import numpy as geek

b = geek.empty (2, dtype = int)
print ("Ma trận b: \ n", b)

a = geek.empty ([2, 2], dtype = int)
print ("\ nMatrix a: \ n", a)

c = geek.empty ([3, 3])
print ("\ nMatrix c: \ n", c)

Đầu ra:

Ma trận b:
 [0 1079574528]

Ma trận a:
 [[0 0]
 [0 0]]

Ma trận a:
 [[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]] 

numpy.zeros (shape, dtype = None, order = ‘C’) : Trả về một mảng mới có hình dạng và kiểu đã cho, với các số không.


# Chương trình Python minh họa
# phương pháp numpy.zeros

import numpy as geek

b = geek.zeros (2, dtype = int)
print ("Ma trận b: \ n", b)

a = geek.zeros ([2, 2], dtype = int)
print ("\ nMatrix a: \ n", a)

c = geek.zeros ([3, 3])
print ("\ nMatrix c: \ n", c)

Đầu ra:

 Ma trận b:
 [0 0]

Ma trận a:
 [[0 0]
 [0 0]]

Ma trận c:
 [[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]]

Định hình lại mảng: Chúng ta có thể sử dụng phương thức reshape để định hình lại một mảng. Xét một mảng có hình dạng (a1, a2, a3,…, aN). Chúng ta có thể định hình lại và chuyển đổi nó thành một mảng khác có hình dạng (b1, b2, b3,…, bM).
Điều kiện bắt buộc duy nhất là: a1 x a2 x a3… x aN = b1 x b2 x b3… x bM . (tức là kích thước ban đầu của mảng không thay đổi.)

numpy.reshape (array, shape, order = ‘C’) : Định dạng một mảng mà không thay đổi dữ liệu của mảng.


# Chương trình Python minh họa
# numpy.reshape () phương thức

import numpy as geek

array = geek.arange (8)
print ("Mảng ban đầu: \ n", mảng)

# mảng hình dạng có 2 hàng và 4 cột
array = geek.arange (8) .reshape (2, 4)
print ("\ narray được định hình lại với 2 hàng và 4 cột: \ n", mảng)

# mảng hình dạng có 2 hàng và 4 cột
array = geek.arange (8) .reshape (4, 2)
print ("\ narray được định hình lại với 2 hàng và 4 cột: \ n", mảng)

# Xây dựng mảng 3D
array = geek.arange (8) .reshape (2, 2, 2)
print ("\ nMảng ban đầu được định hình lại thành 3D: \ n", mảng)

Đầu ra:

Mảng ban đầu:
 [0 1 2 3 4 5 6 7]

mảng được định hình lại với 2 hàng và 4 cột:
 [[0 1 2 3]
 [4 5 6 7]]

mảng được định hình lại với 2 hàng và 4 cột:
 [[0 1]
 [2 3]
 [4 5]
 [6 7]]

Mảng ban đầu được định hình lại thành 3D:
 [[[0 1]
  [2 3]]

 [[4 5]
  [6 7]]]

Để tạo chuỗi số, NumPy cung cấp một hàm tương tự như dải ô trả về mảng thay vì danh sách.
arange trả về các giá trị cách đều nhau trong một khoảng thời gian nhất định. kích thước step được chỉ định.
linspace trả về các giá trị cách đều nhau trong một khoảng thời gian nhất định. num không. trong tổng số phần tử được trả về.

Xem Thêm  Cách sử dụng LIKE trong SQL: Khớp mẫu SQL - sql trong câu lệnh với like

arange ([start,] stop [, step,] [, dtype]) : Trả về một mảng có các phần tử cách đều nhau theo khoảng thời gian. Khoảng thời gian được đề cập được mở một nửa, tức là [Bắt đầu, Dừng)


# Lập trình Python minh họa
# numpy.arange method

import numpy as geek

print ("A \ n", geek.arange (4) .reshape (2, 2), "\ n")

print ("A \ n", geek.arange (4, 10), "\ n")

print ("A \ n", geek.arange (4, 20, 3), "\ n")

Đầu ra:

Một
 [[0 1]
 [2 3]]

Một
 [4 5 6 7 8 9]

Một
 [4 7 10 13 16 19]

numpy.linspace (start, stop, num = 50, endpoint = True, retstep = False, dtype = None) : Trả về khoảng cách số đều khoảng thời gian w.r.t. Tương tự như arange nhưng thay vì bước, nó sử dụng số mẫu.


# Lập trình Python minh họa
# numpy.linspace method

import numpy as geek

# restep được đặt thành True
print ("B \ n", geek.linspace (2.0, 3.0, num = 5, retstep = True), "\ n")

# Để đánh giá sin () trong phạm vi dài
x = geek.linspace (0, 2, 10)
print ("A \ n", geek.sin (x))

Đầu ra:

B
 (mảng ([2., 2.25, 2.5, 2.75, 3.]), 0.25)

Một
 [0, 0,22039774 0,42995636 0,6183698 0,77637192 0,8961922
  0,9719379 0,99988386 0,9786557 0,90929743] 

Làm phẳng mảng: Chúng ta có thể sử dụng phương pháp làm phẳng để nhận bản sao của mảng được thu gọn thành một chiều. Nó chấp nhận đối số thứ tự. Giá trị mặc định là ‘C’ (cho thứ tự chính của hàng). Sử dụng ‘F’ cho thứ tự chính của cột.

numpy.ndarray.flatten (order = ‘C’) : Trả về bản sao của mảng được thu gọn thành một thứ nguyên.


# Chương trình Python minh họa
# numpy.flatten () phương thức

import numpy as geek

array = geek.array ([[1, 2], [3, 4]])

# sử dụng phương pháp làm phẳng
array.flatten ()
print (mảng)

#using phương pháp vỗ béo
array.flatten ('F')
print (mảng)

Đầu ra:

[1, 2, 3, 4]
[1, 3, 2, 4]

Các phương thức tạo mảng trong Numpy

FunctionDescription blank () Trả về một mảng mới có hình dạng và kiểu đã cho mà không cần khởi tạo các mục nhập blank_like () Trả về một mảng mới có cùng hình dạng và nhập dưới dạng một mảng nhất định eye () Trả về mảng 2-D với các mảng trên đường chéo và số không ở nơi khác. danh tính () Trả về mảng nhận dạng ones () Trả về một mảng mới có hình dạng và kiểu đã cho, chứa đầy những cái ones_like () Trả về một mảng những cái có cùng hình dạng và kiểu với một mảng nhất định zeros () Trả về một mảng mới có hình dạng và kiểu đã cho, chứa đầy số không zeros_like () Trả về một mảng các số 0 có cùng hình dạng và kiểu với một mảng nhất định full_like () Trả về một mảng đầy đủ có cùng hình dạng và kiểu với một mảng nhất định. array () Tạo một mảng asarray () Chuyển đổi đầu vào thành mảng asanyarray () Chuyển đổi đầu vào cho một ndarray, nhưng chuyển các lớp con ndarray qua ascontiguousarray () Trả về một mảng liền kề trong bộ nhớ (thứ tự C) asmatrix () Diễn giải đầu vào dưới dạng ma trận copy () Trả về bản sao mảng của đối tượng đã cho < strong> frombuffer () Diễn giải bộ đệm dưới dạng mảng 1 chiều fromfile () Tạo mảng từ dữ liệu trong tệp văn bản hoặc tệp nhị phân từ chức năng () Xây dựng mảng bằng cách thực thi một hàm trên mỗi tọa độ fromiter () Tạo mảng 1 chiều mới từ đối tượng có thể lặp lại fromstring () 1-D mới mảng được khởi tạo từ dữ liệu văn bản trong chuỗi loadtxt () Tải dữ liệu từ tệp văn bản arange () Trả về các giá trị cách đều nhau trong một khoảng thời gian nhất định linspace () Trả lại các số có khoảng cách đều nhau trong một khoảng thời gian cụ thể logspace () Trả về các số cách đều nhau trên thang nhật ký geomspace () Trả về các số cách đều nhau trên thang log (một tiến trình hình học) meshgrid () Trả về ma trận tọa độ từ vectơ tọa độ mgrid () nd_grid instance trả về một nhiều chiều dày đặc “meshgrid ogrid () nd_grid instance wh ich trả về một “meshgrid đa chiều mở Diag () Trích xuất một đường chéo hoặc tạo một mảng chéo crossflat () Tạo mảng hai chiều với đầu vào phẳng dưới dạng đường chéo tri () Một mảng có các giá trị ở và dưới đường chéo đã cho và các số không ở nơi khác tril () > Hình tam giác dưới của mảng triu () Hình tam giác trên của mảng vander () Tạo Ma trận Vandermonde mat () Diễn giải đầu vào dưới dạng ma trận bmat () Xây dựng đối tượng ma trận từ một chuỗi, chuỗi lồng nhau hoặc mảng

Xem Thêm  Nút hình ảnh HTML - hình ảnh html cho nút

Cá nhân của tôi Không tes


Xem thêm những thông tin liên quan đến chủ đề tạo một mảng numpy

Ultimate Guide to NumPy Arrays – VERY DETAILED TUTORIAL for beginners!

  • Tác giả: Python Simplified
  • Ngày đăng: 2022-04-22
  • Đánh giá: 4 ⭐ ( 2817 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: In this tutorial, we will learn about NumPy arrays in great detail! 🤓
    NumPy is one of the most popular Python libraries and just as it sounds – it deals with numbers!
    An array, on the other hand, is a collection of items of the same type and it’s the data structure that NumPy uses.
    This video will give you the tools and demos to understand how NumPy manages data and how it approaches memory consumption.

    We will explore different functions and methods to:
    ⭐ create N-dimensional arrays
    ⭐ reshape arrays
    ⭐ sort arrays with different algorithms
    ⭐ filter and manipulate array values

    The goal of this Ultimate Guide (and all the future Ultimate Guides I’ll be filming for other libraries) – is to cover a HUGE part of the NumPy documentation. It’s meant for all the folks who learn by example rather than by reading dry text and hopefully this will take your NumPy skills to an expert level! 🥼🥼🥼
    You can find PART 2 of this tutorial here: https://youtu.be/E1IPJOd7dWQ

    If you don’t feel like coding along with me, you can always clone my code from Wayscript!
    It’s the IDE I’m using in this video, and if you like what you see – you can sign up for free!! 😀
    ⭐ get complete tutorial code:
    https://app.wayscript.com/lairs/3a425743-cffa-43cb-8ab2-67a5630fc799/public/
    ⭐ what is Wayscript?
    https://wsxdocs.wayscript.com/

    🛠️ Related Tutorials of Mine 🛠️
    __________________________________________
    ⭐ PART 2 of NumPy The Ultimate Guide:
    https://youtu.be/E1IPJOd7dWQ
    ⭐ Convert Binary to Decimal Like a Pro:
    https://youtu.be/4IFq7_s9NEA
    ⭐ Train Basic Neural Network with NumPy and Pandas:
    https://youtu.be/xpPX3fBM9dU
    ⭐ Python Learning Roadmap:
    https://youtu.be/wFEC7VbWBZo
    ⭐ Anaconda Guide for Beginners:
    https://youtu.be/MUZtVEDKXsk

    ⏲️ TIME STAMPS ⏲️
    __________________________________________
    00:00 – intro
    00:43 – install NumPy
    01:02 – import NumPy
    01:09 – create an array with NumPy arange
    04:09 – create an array with NumPy array
    04:27 – why arrays are better than lists
    07:08 – NumPy data types
    08:06 – 2 dimensional arrays
    09:47 – shape attribute
    10:38 – reshape arrays
    12:33 – create empty arrays
    14:14 – NumPy eye function
    15:10 – change array values
    18:41 – sort NumPy arrays
    21:13 – difference between copy and view
    23:50 – next NumPy tutorial and thank you for watching!

    🐍 Install with Anaconda 🐍
    __________________________________________
    conda install -c anaconda numpy
    * more details here: https://numpy.org/install/

    🔗 Important Links 🔗
    __________________________________________
    ⭐ NumPy Documentation:
    https://numpy.org/doc/stable/user/absolute_beginners.html

    💳 CREDITS 💳
    __________________________________________
    ⭐ Icons by: flaticon.com
    ⭐ Text Animations by: mixkit.co

    THANK YOU SO MUCH FOR WATCHING! 💗

Tạo mảng cơ bản với Numpy

  • Tác giả: freetuts.net
  • Đánh giá: 5 ⭐ ( 1582 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: Tìm hiểu kỹ về cách mà Python xử lý mảng cơ bản, cũng như sự hiệu quả của việc dùng NumPy so với List trong việc lưu trữ và thao tác với mảng.

Bài 6: Mảng từ dữ liệu có sẵn

  • Tác giả: vncoder.vn
  • Đánh giá: 5 ⭐ ( 8152 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: sử dụng numpy với dữ liệu thật, các hàm thông dụng trong numpy

Python: NumPy arange(): Cách sử dụng np.arange()

  • Tác giả: v1study.com
  • Đánh giá: 5 ⭐ ( 6594 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: NumPy arange(): Cách sử dụng np.arange()

3.1. Khởi tạo một mảng trên numpy — Deep AI KhanhBlog

  • Tác giả: phamdinhkhanh.github.io
  • Đánh giá: 3 ⭐ ( 4438 lượt đánh giá )
  • Khớp với kết quả tìm kiếm:

numpy.array() trong numPy

  • Tác giả: websitehcm.com
  • Đánh giá: 3 ⭐ ( 8405 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: numpy.array() trong numPy w3seo Mảng đa chiều thuần nhất là đối tượng chính của NumPy, mảng nhiều chiều trong numpy

Mảng (Ndarray) trong Numpy

  • Tác giả: laptrinhtudau.com
  • Đánh giá: 5 ⭐ ( 2329 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: Mảng (Ndarray) trong Numpy – Lập Trình Từ Đầu 1 Numpy cơ bản

Xem thêm các bài viết khác thuộc chuyên mục: Kiến thức lập trình

Xem Thêm  Cách tách danh sách Python - PythonThreads - cách tách danh sách trong python