넘파이 숫자 파이썬을 의미합니다. 배열 작업에 사용되는 Python 라이브러리입니다. Python에서는 배열에 목록을 사용하지만 처리 속도가 느립니다. NumPy 배열은 강력한 N차원 배열 개체이며 선형 대수학, 푸리에 변환 및 난수 기능에 사용됩니다. 기존 Python 목록보다 훨씬 빠른 배열 개체를 제공합니다.

어레이 유형:

1. 1차원 배열
2. 다차원 배열

1차원 배열:

1차원 배열은 선형 배열의 한 유형입니다.

1차원 배열

예:

# importing numpy module import numpy as np # creating list list = [1, 2, 3, 4] # creating numpy array sample_array = np.array(list) print('List in python : ', list) print('Numpy Array in python :', sample_array) 

산출:

List in python : [1, 2, 3, 4] Numpy Array in python : [1 2 3 4] 

목록 및 배열의 ​​데이터 유형을 확인하십시오.

print(type(list_1)) print(type(sample_array)) 

산출:

다차원 배열:

다차원 배열의 데이터는 표 형식으로 저장됩니다.

2차원 배열

예:

# importing numpy module import numpy as np # creating list  list_1 = [1, 2, 3, 4] list_2 = [5, 6, 7, 8] list_3 = [9, 10, 11, 12] # creating numpy array sample_array = np.array([list_1, list_2, list_3]) print('Numpy multi dimensional array in python
', sample_array) 

산출:

Numpy multi dimensional array in python [[ 1 2 3 4]  [ 5 6 7 8]  [ 9 10 11 12]] 

메모: 사용 [ ] 다차원을 위한 numpy.array() 내부 연산자

배열의 구조:

1. 축: 배열의 축은 배열에 대한 인덱싱 순서를 설명합니다.

축 0 = 1차원

축 1 = 2차원

축 2 = 3차원

2. 모양: 각 축에 따른 요소 수입니다. 튜플에서 나온 것입니다.

예:

# importing numpy module import numpy as np # creating list  list_1 = [1, 2, 3, 4] list_2 = [5, 6, 7, 8] list_3 = [9, 10, 11, 12] # creating numpy array sample_array = np.array([list_1, list_2, list_3]) print('Numpy array :') print(sample_array) # print shape of the array print('Shape of the array :', sample_array.shape) 

산출:

Numpy array :  [[ 1 2 3 4]  [ 5 6 7 8]  [ 9 10 11 12]] Shape of the array : (3, 4) 

예:

import numpy as np sample_array = np.array([[0, 4, 2], [3, 4, 5], [23, 4, 5], [2, 34, 5], [5, 6, 7]]) print('shape of the array :', sample_array.shape) 

산출:

shape of the array : (5, 3) 

3. 순위: 배열의 순위는 단순히 배열의 축(또는 차원) 수입니다.

1차원 배열의 순위는 1입니다.

랭크 1

2차원 배열의 순위는 2입니다.

랭크 2

4. 데이터 유형 객체(dtype): 데이터 유형 객체(dtype)는 다음의 인스턴스입니다. numpy.dtype 수업. 배열 항목에 해당하는 고정 크기 메모리 블록의 바이트를 해석하는 방법을 설명합니다.

예:

# Import module import numpy as np # Creating the array  sample_array_1 = np.array([[0, 4, 2]]) sample_array_2 = np.array([0.2, 0.4, 2.4]) # display data type print('Data type of the array 1 :', sample_array_1.dtype) print('Data type of array 2 :', sample_array_2.dtype) 

산출:

Data type of the array 1 : int32 Data type of array 2 : float64 

Numpy Array를 생성하는 몇 가지 다른 방법:

1. numpy.배열() : Numpy의 Numpy 배열 객체를 ndarray라고 합니다. 우리는 다음을 사용하여 ndarray를 만들 수 있습니다. numpy.배열() 기능.

통사론: numpy.array(매개변수)

예:

# import module import numpy as np #creating a array arr = np.array([3,4,5,5]) print('Array :',arr) 

산출:

Array : [3 4 5 5] 

2. numpy.fromiter() : fromiter() 함수는 반복 가능한 객체에서 새로운 1차원 배열을 만듭니다.

통사론: numpy.fromiter(iterable, dtype, count=-1)

예시 1:

#Import numpy module import numpy as np # iterable iterable = (a*a for a in range(8)) arr = np.fromiter(iterable, float) print('fromiter() array :',arr) 

산출:

fromiter() 배열 : [0. 1. 4. 9. 16. 25. 36. 49.]

예 2:

import numpy as np var = 'Geekforgeeks' arr = np.fromiter(var, dtype = 'U2') print('fromiter() array :', arr) 

산출:

fromiter() 배열 : ['G' 'e' 'e' 'k' 'f' 'o' 'r' 'g' 'e' 'e' 'k' 's']

삼. numpy.arange() : 이것은 주어진 간격 내에서 균등한 간격의 값을 반환하는 내장 NumPy 함수입니다.

통사론: numpy.arange([start, ]stop, [step, ]dtype=None)

예:

import numpy as np np.arange(1, 20 , 2, dtype = np.float32) 

산출:

배열([ 1., 3., 5., 7., 9., 11., 13., 15., 17., 19.], dtype=float32)

4. numpy.linspace() : 이 함수는 두 한계 사이의 지정된 범위에 걸쳐 균등한 간격의 숫자를 반환합니다.

통사론: numpy.linspace(시작, 중지, num=50, 끝점=True, retstep=False, dtype=None, 축=0)

예시 1:

import numpy as np np.linspace(3.5, 10, 3) 

산출:

array([ 3.5 , 6.75, 10. ]) 

예 2:

import numpy as np np.linspace(3.5, 10, 3, dtype = np.int32) 

산출:

array([ 3, 6, 10]) 

5. numpy.empty() : 이 함수는 값을 초기화하지 않고 주어진 모양과 유형의 새로운 배열을 만듭니다.

통사론: numpy.empty(shape, dtype=float, order='C')

예:

import numpy as np np.empty([4, 3], dtype = np.int32, order = 'f') 

산출:

array([[ 1, 5, 9],  [ 2, 6, 10],  [ 3, 7, 11],  [ 4, 8, 12]]) 

6. numpy.ones(): 이 함수는 1(1)로 채워진 주어진 모양과 유형의 새로운 배열을 얻는 데 사용됩니다.

통사론: numpy.ones(shape, dtype=None, order='C')

예:

import numpy as np np.ones([4, 3], dtype = np.int32, order = 'f') 

산출:

array([[1, 1, 1],  [1, 1, 1],  [1, 1, 1],  [1, 1, 1]]) 

7. numpy.zeros() : 이 함수는 0(0)으로 채워진 주어진 모양과 유형의 새 배열을 가져오는 데 사용됩니다.

통사론: numpy.ones(모양, dtype=없음)

예:

import numpy as np np.zeros([4, 3], dtype = np.int32, order = 'f') 

산출:

array([[0, 0, 0],  [0, 0, 0],  [0, 0, 0],  [0, 0, 0]])