آموزش ویژگی های آرایه در NumPy
آموزش ویژگی های آرایه در NumPy
در این درس از مجموعه آموزش برنامه نویسی سایت سورس باران، به آموزش ویژگی های آرایه در NumPy خواهیم پرداخت.
پیشنهاد ویژه : پکیج آموزش پروژه محور پایتون
ndarray.shape
این ویژگی آرایه یک جمع را تشکیل می دهد که از ابعاد آرایه تشکیل شده است. همچنین می تواند برای تغییر اندازه آرایه استفاده شود.
مثال 1
|
1 2 3 |
import numpy as np a = np.array([[1,2,3],[4,5,6]]) print a.shape |
خروجی به شرح زیر است –
|
1 |
(2 ، 3) |
مثال 2
|
1 2 3 4 5 6 |
# this resizes the ndarray import numpy as np a = np.array([[1,2,3],[4,5,6]]) a.shape = (3,2) print a |
خروجی به شرح زیر است –
|
1 2 3 |
[[1 ، 2] [3 ، 4] [5 ، 6]] |
مثال 3
NumPy همچنین یک تابع تغییر شکل برای تغییر اندازه آرایه را فراهم می کند.
|
1 2 3 4 |
import numpy as np a = np.array([[1,2,3],[4,5,6]]) b = a.reshape(3,2) print b |
خروجی به شرح زیر است –
|
1 2 3 |
[[1, 2] [3, 4] [5, 6]] |
ndarray.ndim
این ویژگی آرایه تعداد ابعاد آرایه را برمی گرداند.
مثال 1
|
1 2 3 4 |
# an array of evenly spaced numbers import numpy as np a = np.arange(24) print a |
خروجی به شرح زیر است –
|
1 |
[0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23] |
مثال 2
|
1 2 3 4 5 6 7 8 9 |
# this is one dimensional array import numpy as np a = np.arange(24) a.ndim # now reshape it b = a.reshape(2,4,3) print b # b is having three dimensions |
خروجی به شرح زیر است –
|
1 2 3 4 5 6 7 8 |
[[[0 ، 1 ، 2] [3 ، 4 ، 5] [6 ، 7 ، 8] [9 ، 10 ، 11]] [[12 ، 13 ، 14] [15 ، 16 ، 17] [18 ، 19 ، 20] [21 ، 22 ، 23]]] |
numpy.itemsize
این ویژگی آرایه طول هر عنصر آرایه را به بایت برمی گرداند.
مثال 1
|
1 2 3 4 |
# dtype of array is int8 (1 byte) import numpy as np x = np.array([1,2,3,4,5], dtype = np.int8) print x.itemsize |
خروجی به شرح زیر است –
|
1 |
1 |
مثال 2
|
1 2 3 4 |
# dtype of array is now float32 (4 bytes) import numpy as np x = np.array([1,2,3,4,5], dtype = np.float32) print x.itemsize |
خروجی به شرح زیر است –
|
1 |
4 |
numpy.flags
شی ndarray دارای ویژگی های زیر است. مقادیر فعلی آن توسط این تابع باز می گردد.
| ویژگی ها | |
|---|---|
| 1 | C_CONTIGUOUS (C)
داده ها در یک بخش مجزا و به سبک C است |
| 2 | F_CONTIGUOUS (F)
داده ها در یک بخش مجاور به سبک Fortran قرار دارند |
| 3 | OWNDATA (O)
آرایه مالک حافظه ای است که از آن استفاده می کند یا آن را از شی دیگری قرض می کند |
| 4 | WRITEABLE (W)
منطقه داده را می توان در نوشت. تنظیم این گزینه روی False ، داده ها را قفل می کند و باعث می شود فقط خواندنی باشند |
| 5 | ALIGNED (A)
داده ها و همه عناصر برای سخت افزار به طور مناسب تراز می شوند |
| 6 | UPDATEIFCOPY (U)
این آرایه کپی برخی از آرایه های دیگر است. وقتی این آرایه از جای خود جدا شد ، آرایه پایه با محتویات این آرایه به روز می شود |
مثال
مثال زیر مقادیر فعلی پرچم ها را نشان می دهد.
|
1 2 3 |
import numpy as np x = np.array([1,2,3,4,5]) print x.flags |
خروجی به شرح زیر است –
|
1 2 3 4 5 6 |
C_CONTIGUOUS : True F_CONTIGUOUS : True OWNDATA : True WRITEABLE : True ALIGNED : True UPDATEIFCOPY : False |
لیست جلسات قبل آموزش NumPy
.svg)
دیدگاه شما