NumPy Tutorial - NumPy Multidimensionale NumPy Array Multidimensionale

1. Definizione ndarray
2. Attributi ndarray

NumPy è una libreria che utilizza array multidimensionali come struttura dati di base. L’unica struttura di dati in NumPy è ndarray ma non Python primitive tipo di dati list data type, perché list funziona relativamente lentamente.

Dopo aver imparato ndarray che è la pietra angolare di NumPy, capirete perché NumPy può raggiungere l’alta velocità di calcolo.

Definizione ndarray

ndarray è l’abbreviazione di n-dimension array, o in altre parole - array multidimensionali. ndarray è un oggetto array che rappresenta un array multidimensionale e omogeneo di oggetti di dimensioni fisse.

Le dimensioni e il numero di elementi sono definiti dalla forma, cioè una tupla di N interi che rappresenta il numero di elementi in ogni dimensione. Il tipo di elemento nell’array è definito da dtype - data-type object.

Spieghiamo le frasi di cui sopra in linguaggio profano. Tutti gli elementi memorizzati nell’oggetto ndarray devono avere lo stesso tipo di dati e la stessa dimensione.

Le caratteristiche del tipo di dati ndarray sono riassunte come segue.

1. Può memorizzare solo elementi dello stesso tipo
2. La quantità di dati in ogni dimensione deve essere la stessa, ad esempio 2D ndarray deve avere la stessa quantità di elementi in ogni colonna, e naturalmente anche in ogni riga.
3. È scritto in linguaggio C e può eseguire in modo ottimale l’operazione matrice

Attributi ndarray

listeamo gli attributi di ndarray.

Quando si accede agli attributi di ndarray, i dati dell’istanza ndarray non vengono modificati, anche se si usa .T per ottenere la trasposizione dell’oggetto. Si ottiene un nuovo oggetto ndarray ma non i dati originali modificati.

Diamo un’occhiata al significato specifico di ogni attributo attraverso codici di esempio.

>>> import numpy as np
>>> a = np.array([1, 2, 3])

Dobbiamo importare la libreria NumPy e creare un nuovo array 1-D. Si potrebbe controllare il suo tipo di dati e il tipo di dati del suo elemento.

>>> type(a)
numpy.ndarray
>>> a.dtype
dtype('int32')

Creiamo un nuovo array 2-D e poi controlliamo i suoi attributi.

>>> b = np.array([[4, 5, 6], [7, 8, 9]])
>>> b
array([[4, 5, 6],
       [7, 8, 9]])
>>> b.T     # get the transpose of b
array([[4, 7],
       [5, 8],
       [6, 9]])
>>> b       # b keeps unmodified
array([[4, 5, 6],
       [7, 8, 9]])
>>> a.size  # a has 3 elements
3
>>> b.size  # b has 6 elements
6
>>> a.itemsize # The size of element in a. The data type here is int64 - 8 bytes
8
>>> b.nbytes  # check how many bytes in b. It is 48, where 6x8 = 48
48
>>> b.shape # The shape of b
(2, 3)
>>> b.dnim # The dimensions of b
2