NumPy Creazione di array
Crea un oggetto NumPy ndarray
NumPy è usato per lavorare con gli array. L'oggetto array in NumPy è chiamato
ndarray
.
Possiamo creare un
ndarray
oggetto NumPy usando la array()
funzione.
Esempio
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))
type(): questa funzione Python incorporata ci dice il tipo dell'oggetto passato. Come nel codice sopra, mostra che arr
è
il numpy.ndarray
tipo.
Per creare un ndarray
, possiamo passare un elenco, una tupla o qualsiasi oggetto simile a un array nel array()
metodo e verrà convertito in un
ndarray
:
Esempio
Usa una tupla per creare un array NumPy:
import numpy as np
arr = np.array((1, 2, 3, 4, 5))
print(arr)
Dimensioni negli array
Una dimensione negli array è un livello di profondità dell'array (array nidificati).
array nidificato: sono array che hanno array come elementi.
Matrici 0-D
Gli array 0-D, o scalari, sono gli elementi di un array. Ogni valore in una matrice è una matrice 0-D.
Esempio
Crea una matrice 0-D con valore 42
import numpy as np
arr = np.array(42)
print(arr)
Matrici 1D
Un array che ha array 0-D come suoi elementi è chiamato array unidimensionale o 1-D.
Questi sono gli array più comuni e di base.
Esempio
Crea un array 1-D contenente i valori 1,2,3,4,5:
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
Matrici 2D
Un array che ha array 1D come elementi è chiamato array 2D.
Questi sono spesso usati per rappresentare matrici o tensori del 2° ordine.
NumPy ha un intero sottomodulo dedicato alle operazioni di matrice chiamate
numpy.mat
Esempio
Crea un array 2D contenente due array con i valori 1,2,3 e 4,5,6:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
Matrici 3D
Un array che ha array 2D (matrici) come suoi elementi è chiamato array 3D.
Questi sono spesso usati per rappresentare un tensore di 3° ordine.
Esempio
Crea un array 3D con due array 2D, entrambi contenenti due array con i valori 1,2,3 e 4,5,6:
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)
Controllare il numero di dimensioni?
NumPy Arrays fornisce l' ndim
attributo che restituisce un numero intero che ci dice quante dimensioni ha l'array.
Esempio
Controlla quante dimensioni hanno gli array:
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)
Matrici dimensionali superiori
Una matrice può avere un numero qualsiasi di dimensioni.
Quando viene creata la matrice, è possibile definire il numero di dimensioni utilizzando l' ndmin
argomento.
Esempio
Crea un array con 5 dimensioni e verifica che abbia 5 dimensioni:
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)
In questo array la dimensione più interna (5° dim) ha 4 elementi, il 4° dim ha 1 elemento che è il vettore, il 3° dim ha 1 elemento che è la matrice con il vettore, il 2° dim ha 1 elemento che è l'array 3D e 1st dim ha 1 elemento che è un array 4D.