٪۴۰ تخفیف تابستانه شروع شد! بزرگترین حراج سال ما

به ما بپیوندید

افزونه وردپرس آموزش نامپای ایجاد آرایه

یک شیء NumPy ndarray ایجاد کنید NumPy برای کار با آرایه ها استفاده می شود. شیء آرایه در NumPy نامیده می شود ndarray. ndarrayبا استفاده از array()تابع می توان یک شی NumPy ایجاد کرد . مثال import numpy as np arr = np.array([1, 2, 3, 4, 5])…

محمد یوسفی

18 اکتبر 2021

یک شیء NumPy ndarray ایجاد کنید

NumPy برای کار با آرایه ها استفاده می شود. شیء آرایه در NumPy نامیده می شود ndarray.

ndarrayبا استفاده از array()تابع می توان یک شی NumPy ایجاد کرد .

مثال

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

print(arr)

print(type(arr))

type (): این تابع پایتون داخلی نوع شیئی که به آن ارسال شده است را به ما می گوید. مانند در بالا کد آن را نشان می دهد که arrاست numpy.ndarrayنوع.

برای ایجاد یک ndarray، می توانیم یک لیست ، چند تایی یا هر شیء آرایه مانند را به array() متد منتقل کنیم ، و به یک تبدیل شود ndarray:

مثال

برای ایجاد یک آرایه NumPy از یک tuple استفاده کنید:

import numpy as np

arr = np.array((1, 2, 3, 4, 5))

print(arr)

ابعاد در آرایه ها

یک بعد در آرایه ها یک سطح عمق آرایه (آرایه های تو در تو) است.

آرایه تو در تو: آرایه هایی هستند که آرایه ها به عنوان عناصر خود هستند.


آرایه های 0-D

آرایه های 0-D یا Scalars عناصر یک آرایه هستند. هر مقدار در یک آرایه یک آرایه 0-D است.

مثال

یک آرایه 0-D با مقدار 42 ایجاد کنید

import numpy as np

arr = np.array(42)

print(arr)

آرایه های 1 بعدی

آرایه ای که دارای آرایه های 0-D به عنوان عناصر خود باشد ، آرایه تک بعدی یا 1-D نامیده می شود.

اینها رایج ترین و اساسی ترین آرایه ها هستند.

مثال

ایجاد یک آرایه 1 بعدی شامل مقادیر 1،2،3،4،5:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

print(arr)

آرایه های دو بعدی

آرایه ای که دارای آرایه های 1-D به عنوان عناصر خود باشد ، آرایه 2 بعدی نامیده می شود.

اینها اغلب برای نشان دادن تانسورهای ماتریسی یا درجه 2 استفاده می شوند.

NumPy دارای یک زیر ماژول کامل است که به عملیات ماتریسی اختصاص داده شده است numpy.mat

مثال

ایجاد یک آرایه دو بعدی شامل دو آرایه با مقادیر 1،2،3 و 4،5،6:

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])

print(arr)

بررسی تعداد ابعاد؟

NumPy Arrays ndimصفتی را ارائه می دهد که یک عدد صحیح را برمی گرداند و به ما می گوید که آرایه چند بعد دارد.

مثال

بررسی کنید ابعاد آرایه ها چند است:

import numpy as np

a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])

print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)

آرایه های ابعادی بالاتر

یک آرایه می تواند هر تعداد ابعاد داشته باشد.

هنگامی که آرایه ایجاد می شود ، می توانید با استفاده از ndminآرگومان تعداد ابعاد را تعیین کنید.

مثال

یک آرایه با 5 بعد ایجاد کنید و بررسی کنید که 5 بعد دارد:

import numpy as np

arr = np.array([1, 2, 3, 4], ndmin=5)

print(arr)
print('number of dimensions :', arr.ndim)

در این آرایه داخلی ترین بعد (5 بعدی) دارای 4 عنصر است ، 4 بعدی دارای 1 عنصر است که بردار است ، 3 بعدی دارای 1 عنصر است که ماتریس با بردار است ، 2 بعدی دارای 1 عنصر است که آرایه سه بعدی است و Dim 1 دارای 1 عنصر است که یک آرایه 4 بعدی است.

 

مطالب مرتبط

0 0 رای ها
امتیازدهی به مقاله
اشتراک در
اطلاع از
guest
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها