NumPy (Numerical Python) ist eine Bibliothek zum Ausführen von Operationen mit großen Arrays und Matrizen numerischer Daten. Es bietet eine benutzerfreundliche Oberfläche für die Arbeit mit mehrdimensionalen Daten sowie Funktionen für mathematische Berechnungen.
Eine wichtige Operation beim Arbeiten mit Arrays in NumPy besteht darin, ihre Größe zu erhalten. Die Größe eines Arrays ist die Anzahl der darin enthaltenen Elemente. Um die Größe des Arrays in NumPy auszugeben, wird die Funktion verwendet size.
Zuerst müssen Sie die NumPy-Bibliothek importieren und ein Array erstellen, mit dem wir arbeiten. Dann können Sie die Funktion verwenden size und übergeben Sie das erstellte Array als Argument an sie. Die Funktion gibt die Größe des Arrays zurück. Wenn beispielsweise ein Array 10 Elemente enthält, gibt die Funktion die Zahl 10 zurück.
Beispiel für die Verwendung einer Funktion size:
import numpy as nparr = np.array([1, 2, 3, 4, 5])size_arr = np.size(arr)print("Размер массива:", size_arr)
Wenn dieser Code ausgeführt wird, wird die Meldung "Array-Größe: 5" angezeigt. Auf diese Weise können wir die Größe des Arrays leicht mit einer Funktion abrufen size in der NumPy-Bibliothek.
import numpy as np# Создаем массивarr = np.array([[1, 2, 3], [4, 5, 6]])print(arr.shape)In diesem Beispiel ein Array arr hat eine Dimension von 2x3, daher ist die Methode shape() gibt ein Tupel zurück (2, 3).
Eine andere Möglichkeit ist die Verwendung eines Attributs shape direkt am Array-Objekt:
import numpy as np# Создаем массивarr = np.array([[1, 2, 3], [4, 5, 6]])print(arr.shape)Das Ergebnis wird das gleiche sein - ein Tupel (2, 3) enthält die Abmessungen des Arrays in jeder Dimension.
Sie können auch die Funktion verwenden ndim, die die Anzahl der Dimensionen eines Arrays zurückgibt:
import numpy as np# Создаем массивarr = np.array([[1, 2, 3], [4, 5, 6]])print(arr.ndim)In diesem Beispiel ein Array arr hat zwei Dimensionen (Zeilen und Spalten), daher die Funktion ndim gibt einen Wert zurück 2.
Daher gibt es in der NumPy-Bibliothek mehrere Möglichkeiten, die Größe eines Arrays abzuleiten. Sie können je nach Ihrer Aufgabe die für Sie am besten geeignete Methode auswählen.
Was ist eine NumPy-Bibliothek?
Das Hauptobjekt in der NumPy-Bibliothek ist ein Array (array), eine geordnete Sammlung von Elementen desselben Typs. Arrays können unterschiedliche Dimensionen und Formen haben, was sie zu einem leistungsfähigen Werkzeug für die Datenverarbeitung und -analyse macht.
Die NumPy-Bibliothek bietet viele Funktionen zum Erstellen, Modifizieren, Verarbeiten und Analysieren von Arrays. Es enthält auch Submodule für die Arbeit mit linearer Algebra, Zufallszahlen, Fourier-Transformationen und anderen mathematischen Operationen.
Die NumPy-Bibliothek vereinfacht die Arbeit mit Datenarrays erheblich, sodass komplexe Operationen mit hoher Leistung ausgeführt werden können. Es ist ein integraler Bestandteil in verschiedenen Bereichen, einschließlich Datenanalyse, maschinelles Lernen, wissenschaftliche und technische Berechnungen.
Wie erstelle ich ein Array in NumPy
Sie können verschiedene Funktionen verwenden, um ein Array in NumPy zu erstellen:
| Funktion | Die Beschreibung |
|---|---|
| numpy.array() | Erstellt ein Array aus einer normalen Python-Liste oder einem Tupel |
| numpy.zeros() | Erstellt ein Array, das mit Nullen gefüllt ist |
| numpy.ones() | Erstellt ein Array, das mit Einheiten gefüllt ist |
| numpy.arange() | Erstellt ein Array mit Werten im angegebenen Bereich |
| numpy.linspace() | Erstellt ein Array mit Werten, die im angegebenen Intervall gleichmäßig verteilt sind |
import numpy as np
# Erstellen eines Arrays aus einer Liste
arr1 = np.array([1, 2, 3, 4, 5])
# Erstellen eines mit Nullen gefüllten Arrays
# Erstellen eines Arrays, das mit Einheiten gefüllt ist
# Erstellen eines Arrays mit Werten zwischen 0 und 4
# Erstellen eines Arrays mit Werten zwischen 0 und 1
arr5 = np.linspace(0, 1, 5)
Ergebnis der Codeausführung:
Das Erstellen eines Arrays in NumPy ist daher eine einfache und bequeme Operation, mit der Sie effizient mit Daten arbeiten können.
Sie können die shape-Methode in der NumPy-Bibliothek verwenden, um die Größe eines Arrays zu bestimmen. Diese Methode gibt ein Tupel zurück, das die Dimensionen jeder Dimension des Arrays enthält.
Beispiel für die Verwendung der shape-Methode :
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape)
In diesem Beispiel gibt die shape-Methode ein Tupel (2, 3) zurück, was anzeigt, dass das Array 2 Zeilen und 3 Spalten hat.
Die shape-Methode ist eines der nützlichen Werkzeuge von NumPy für die Arbeit mit mehrdimensionalen Arrays, mit denen Sie schnell die Größe eines Arrays kennen und seine Form für verschiedene Operationen spezifizieren können.
Beispiel für die Verwendung der shape-Methode
Die shape-Methode wird in der NumPy-Bibliothek verwendet, um die Größe eines Arrays zu bestimmen. Es gibt ein Tupel zurück, das die Länge entlang jeder gemessenen Achse des Arrays enthält.
Hier ist ein Beispiel für die Verwendung der shape-Methode:
import numpy as nparr = np.array([[1, 2, 3], [4, 5, 6]])shape = arr.shapeprint(shape)| Ergebnis |
|---|
| (2, 3) |
In diesem Beispiel hat das arr-Array eine Dimension von 2x3, dh 2 Zeilen und 3 Spalten. Die shape-Methode gibt ein Tupel (2, 3) zurück, das darauf hinweist.
Die shape-Methode wird häufig verwendet, um die Größe eines Arrays zu überprüfen, bevor sie in mathematischen Operationen verwendet wird oder um die Größe eines Arrays zu ändern.
Größen von mehrdimensionalen Arrays
In der NumPy-Bibliothek können Sie mit mehrdimensionalen Arrays arbeiten, die eine oder mehrere Dimensionen aufweisen können.
Sie können die Größe eines mehrdimensionalen Arrays mit dem shape-Attribut ermitteln.
Das shape-Attribut gibt ein Tupel zurück, in dem jeder Wert die Dimension eines mehrdimensionalen Arrays entlang der entsprechenden Achse darstellt.
Für ein eindimensionales Array besteht die Dimension also aus einem Wert, für ein zweidimensionales Array aus zwei, für ein dreidimensionales Array aus drei und so weiter.
Die Größen von mehrdimensionalen Arrays können unterschiedlich sein. Zum Beispiel kann ein zweidimensionales Array die Form 3x4 (3 Zeilen und 4 Spalten) haben und ein dreidimensionales Array die Form 2x3x4 (2 Matrizen mit je 3 Zeilen und 4 Spalten).
Sie können eine Tabelle verwenden, um die Dimensionen von mehrdimensionalen Arrays visuell darzustellen:
| Array | Dimension |
|---|---|
| [1, 2, 3] | (3,) |
| [[1, 2, 3], [4, 5, 6]] | (2, 3) |
| [[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]] | (2, 2, 3) |
Also für ein Array [1, 2, 3] die Dimension ist (3,), für das Array [[1, 2, 3], [4, 5, 6]] - (2, 3) und für ein Array [[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]] - (2, 2, 3).
Mit dem shape-Attribut können Sie die Größen von mehrdimensionalen Arrays in NumPy einfach definieren.
Nützliche Methoden zum Arbeiten mit Array-Größen
Die NumPy-Bibliothek bietet viele nützliche Methoden zum Arbeiten mit Array-Größen. Im Folgenden sind einige von ihnen aufgeführt:
1. shape: Die shape-Methode gibt ein Tupel zurück, das die Dimensionen des Arrays für jede Dimension enthält. Zum Beispiel bedeutet shape=(3, 4), dass das Array eine Dimension von 3x4 hat.
2. size: Die size-Methode gibt die Gesamtzahl der Elemente in einem Array zurück. Wenn das Array beispielsweise eine Dimension von 3x4 hat, dann ist size=12.
3. ndim: Die ndim-Methode gibt die Anzahl der Dimensionen eines Arrays zurück. Wenn das Array beispielsweise eine Dimension von 3x4 hat, dann ist ndim=2.
4. ndindex: Die ndindex-Methode gibt einen Iterator zurück, der die Indizes des Arrays entsprechend seiner Größe generiert. Dies ist nützlich, wenn Sie alle Elemente eines Arrays durchlaufen müssen.
5. flatten: Die Flatten-Methode konvertiert ein mehrdimensionales Array in eindimensionales Array. Wenn beispielsweise ein Array die Dimension 3x4 hat, erhalten wir nach der Anwendung von Flatten ein Array mit der Dimension 12.
Dies sind nur einige der Methoden, die von der NumPy-Bibliothek zur Verfügung gestellt werden, um mit Array-Größen zu arbeiten. Eine vollständige Liste der Methoden und weitere Informationen zu den einzelnen Methoden finden Sie in der Dokumentation.
Sie können die Funktion itemsize verwenden, um die Größe eines Arrayelements in der NumPy-Bibliothek abzuleiten.
Die Funktion itemsize gibt die Größe des Arrayelements in Bytes zurück. Hier ist ein Beispiel für die Verwendung:
import numpy as npa = np.array([1, 2, 3, 4, 5])size = a.itemsizeprint(f"Размер элемента массива: байт")Wenn dieser Code ausgeführt wird, wird eine Meldung mit der Größe des Arrayelements angezeigt:
| Ergebnis der Codeausführung |
|---|
| Array-Elementgröße: 8 Bytes |
Hier gibt a.itemsize die Größe des Arrayelements von a in Bytes zurück. In diesem Fall beträgt die Elementgröße 8 Bytes, was dem int64-Datentyp entspricht (8 Bytes auf einer 64-Bit-Plattform).
Mithilfe der Funktion itemsize erhalten Sie Informationen über die Größe eines Arrayelements, was für die Optimierung der Speichernutzung bei der Arbeit mit großen Datenmengen nützlich sein kann.
Eine weitere praktische Anwendung ist die Arbeit mit Datenarrays, beispielsweise im maschinellen Lernen. Hier können wir auch die Shape-Funktion verwenden, um die Abmessungen der Eingabe- und Ausgabedaten zu ermitteln.
