آموزش شی Ndarray در NumPy
آموزش شی Ndarray در NumPy
در این درس از مجموعه آموزش برنامه نویسی سایت سورس باران، به آموزش شی Ndarray در NumPy خواهیم پرداخت.
پیشنهاد ویژه : پکیج آموزش طراحی وب سایت با پایتون و جنگو
مهمترین شی تعریف شده در NumPy یک نوع آرایه N بعدی به نام ndarray است. مجموعه موارد مشابه را توصیف می کند. با استفاده از نمایه مبتنی بر صفر می توان به موارد موجود در مجموعه دسترسی داشت.
هر مورد در یک بخش به همان اندازه بلوک حافظه را می گیرد. هر عنصر در ndarray یک شی از نوع داده است (که dtype نامیده می شود).
هر موردی که از شی ndar ndarray استخراج می شود (با برش دادن) توسط یک شی Python از یکی از انواع مقیاس های آرایه نشان داده می شود. نمودار زیر رابطه بین تقسیم ، نوع نوع داده (dtype) و نوع مقیاس آرایه را نشان می دهد –
نمونه ای از کلاس ndarray را می توان با روالهای مختلف ایجاد آرایه که بعداً در آموزش توضیح داده شد ، ساخت. جدایی اساسی با استفاده از یک تابع آرایه در NumPy به شرح زیر ایجاد می شود –
|
1 |
numpy.array |
از هر شی ای که رابط آرایه را در معرض دید قرار می دهد یا از روشی که آرایه را بازگرداند ، یک جدایی ایجاد می کند.
|
1 |
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0) |
سازنده فوق پارامترهای زیر را در نظر می گیرد –
| پارامتر و توضیحات | |
|---|---|
| 1 | object
هر جسمی که روش رابط آرایه را در معرض نمایش قرار دهد ، یک آرایه یا هر توالی تو در تو را برمی گرداند. |
| 2 | dtype
نوع داده آرایه مورد نظر، اختیاری است |
| 3 | copy
اختیاری. به طور پیش فرض (درست)، شی کپی می شود |
| 4 | order
C (عمده ردیف) یا F (ستون اصلی) یا A (هرگونه) (پیش فرض) |
| 5 | subok
به طور پیش فرض، آرایه برگشتی مجبور شد که یک آرایه کلاس پایه باشد. اگر درست باشد، زیر کلاسها عبور می کنند |
| 6 | ndmin
حداقل ابعاد آرایه حاصل را مشخص می کند |
برای درک بهتر به نمونه های زیر نگاهی بیندازید.
مثال 1
|
1 2 3 |
import numpy as np a = np.array([1,2,3]) print a |
خروجی به شرح زیر است –
|
1 |
[1 ، 2 ، 3] |
مثال 2
|
1 2 3 4 |
# more than one dimensions import numpy as np a = np.array([[1, 2], [3, 4]]) print a |
خروجی به شرح زیر است –
|
1 2 |
[[1 ، 2] [3 ، 4]] |
مثال 3
|
1 2 3 4 |
# minimum dimensions import numpy as np a = np.array([1, 2, 3,4,5], ndmin = 2) print a |
خروجی به شرح زیر است –
|
1 |
[[1 ، 2 ، 3 ، 4 ، 5]] |
مثال 4
|
1 2 3 4 |
# dtype parameter import numpy as np a = np.array([1, 2, 3], dtype = complex) print a |
خروجی به شرح زیر است –
|
1 |
[1. + 0.j ، 2. + 0.j ، 3. + 0.j] |
شی ndar ndarray از یک بخش بعدی متصل به حافظه رایانه تشکیل شده است ، همراه با یک طرح نمایه سازی که هر مورد را در محلی از بلوک حافظه ترسیم می کند. بلوک حافظه عناصر را به ترتیب ردیف-بزرگ (سبک C) یا یک ستون-عمده (سبک FORTRAN یا MatLab) نگه می دارد.
لیست جلسات قبل آموزش NumPy
.svg)
دیدگاه شما