<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ??一站式輕松地調用各大LLM模型接口,支持GPT4、智譜、豆包、星火、月之暗面及文生圖、文生視頻 廣告
                # 用 NumPy 輕松介紹 Python 中的 N 維數組 > 原文: [https://machinelearningmastery.com/gentle-introduction-n-dimensional-arrays-python-numpy/](https://machinelearningmastery.com/gentle-introduction-n-dimensional-arrays-python-numpy/) 數組是機器學習中使用的主要數據結構。 在 Python 中,來自 NumPy 庫的數組(稱為 N 維數組或 ndarray)被用作表示數據的主要數據結構。 在本教程中,您將發現 NumPy 中的 N 維數組,用于表示 Python 中的數值和操作數據。 完成本教程后,您將了解: * 什么是 ndarray 以及如何在 Python 中創建和檢查數組。 * 用于創建具有默認值的新空數組和數組的關鍵函數。 * 如何組合現有數組以創建新數組。 讓我們開始吧。 ![A Gentle Introduction to N-Dimensional Arrays in Python with NumPy](img/dc322aace9030533fafbac6855cb7a83.jpg) 使用 NumPy 在 Python 中對 N 維數組的簡要介紹 [patrickkavanagh](https://www.flickr.com/photos/patrick_k59/9216134592/) ,保留一些權利。 ## 教程概述 本教程分為 3 個部分;他們是: 1. NumPy N 維數組 2. 創建數組的函數 3. 結合數組 ## NumPy N 維數組 NumPy 是一個 Python 庫,可用于科學和數字應用程序,是用于線性代數運算的工具。 NumPy 中的主要數據結構是 ndarray,它是 N 維數組的簡寫名稱。使用 NumPy 時,ndarray 中的數據簡稱為數組。 它是內存中固定大小的數組,包含相同類型的數據,例如整數或浮點值。 可以通過陣列上的“dtype”屬性訪問數組支持的數據類型。可以通過“shape”屬性訪問數組的維度,該屬性返回描述每個維度長度的元組。還有許多其他屬性。在這里了解更多: * [N 維數組](https://docs.scipy.org/doc/numpy-1.13.0/reference/arrays.ndarray.html) 從數據或簡單的 Python 數據結構(如列表)創建數組的簡單方法是使用 array()函數。 下面的示例創建一個包含 3 個浮點值的 Python 列表,然后從列表中創建一個 ndarray 并訪問數組的形狀和數據類型。 ``` # create array from numpy import array l = [1.0, 2.0, 3.0] a = array(l) print(a) print(a.shape) print(a.dtype) ``` 運行該示例打印 ndarray 的內容,形狀是具有 3 個元素的一維數組,以及數據類型,即 64 位浮點。 ``` [ 1\. 2\. 3.] (3,) float64 ``` ## 創建數組的函數 有更多便利功能可用于創建您可能遇到或需要使用的固定大小的陣列。 我們來看幾個。您可以在此處查看完整列表: * [數組創建例程](https://docs.scipy.org/doc/numpy-1.13.0/reference/routines.array-creation.html) ### 空 empty()函數將創建指定形狀的新數組。 函數的參數是一個數組或元組,它指定要創建的數組的每個維度的長度。創建的數組的值或內容將是隨機的,需要在使用前進行分配。 下面的示例創建一個空的 3×3 二維數組。 ``` # create empty array from numpy import empty a = empty([3,3]) print(a) ``` 運行該示例將打印空數組的內容。您的具體數組內容會有所不同。 ``` [[ 0.00000000e+000 0.00000000e+000 2.20802703e-314] [ 2.20803350e-314 2.20803353e-314 2.20803356e-314] [ 2.20803359e-314 2.20803362e-314 2.20803366e-314]] ``` ### 零 zeros()函數將創建一個指定大小的新數組,其內容填充零值。 函數的參數是一個數組或元組,它指定要創建的數組的每個維度的長度。 下面的示例創建一個 3×5 零二維數組。 ``` # create zero array from numpy import zeros a = zeros([3,5]) print(a) ``` 運行該示例將打印創建的零數組的內容。 ``` [[ 0\. 0\. 0\. 0\. 0.] [ 0\. 0\. 0\. 0\. 0.] [ 0\. 0\. 0\. 0\. 0.]] ``` ### 那些 ones()函數將創建一個指定大小的新數組,其內容填充一個值。 The argument to the function is an array or tuple that specifies the length of each dimension of the array to create. 下面的示例創建一個 5 元素的一維數組。 ``` # create one array from numpy import ones a = ones([5]) print(a) ``` 運行該示例將打印創建的 one 數組的內容。 ``` [ 1\. 1\. 1\. 1\. 1.] ``` ## 結合數組 NumPy 提供了許多函數來從現有數組創建新數組。 讓我們來看看您可能需要或遇到的兩個最流行的功能。 ### 垂直堆棧 給定兩個或更多現有數組,您可以使用 vstack()函數垂直堆疊它們。 例如,給定兩個一維數組,您可以通過垂直堆疊它們來創建一個包含兩行的新二維數組。 這在以下示例中進行了演示。 ``` # vstack from numpy import array from numpy import vstack a1 = array([1,2,3]) print(a1) a2 = array([4,5,6]) print(a2) a3 = vstack((a1, a2)) print(a3) print(a3.shape) ``` 首先運行該示例打印兩個單獨定義的一維數組。陣列垂直堆疊,形成一個新的 2×3 陣列,其內容和形狀被打印出來。 ``` [1 2 3] [4 5 6] [[1 2 3] [4 5 6]] (2, 3) ``` ### 水平堆棧 給定兩個或更多現有數組,您可以使用 hstack()函數水平堆棧它們。 例如,給定兩個一維數組,您可以創建一個新的一維數組或一行,第一個和第二個數組的列連接在一起。 This is demonstrated in the example below. ``` # hstack from numpy import array from numpy import hstack a1 = array([1,2,3]) print(a1) a2 = array([4,5,6]) print(a2) a3 = hstack((a1, a2)) print(a3) print(a3.shape) ``` 首先運行該示例打印兩個單獨定義的一維數組。然后水平堆疊陣列,產生具有 6 個元素的新的一維陣列,其內容和形狀被打印。 ``` [1 2 3] [4 5 6] [1 2 3 4 5 6] (6,) ``` ## 擴展 本節列出了一些擴展您可能希望探索的教程的想法。 * 嘗試使用不同的方法創建數組到您自己的大小或新數據。 * 找到并開發另外 3 個用于創建數組的 NumPy 函數的示例。 * 找到并開發另外 3 個用于組合數組的 NumPy 函數的示例。 如果你探索任何這些擴展,我很想知道。 ## 進一步閱讀 如果您希望深入了解,本節將提供有關該主題的更多資源。 ### 圖書 * [Python for Data Analysis](http://amzn.to/2B1sfXi) ,2017。 * [優雅的 SciPy](http://amzn.to/2yujXnT) ,2017。 * [NumPy 指南](http://amzn.to/2j3kEzd),2015 年。 ### 參考 * [NumPy 參考](https://docs.scipy.org/doc/numpy-1.13.0/reference/) * [N 維數組](https://docs.scipy.org/doc/numpy-1.13.0/reference/arrays.ndarray.html) * [數組創建例程](https://docs.scipy.org/doc/numpy-1.13.0/reference/routines.array-creation.html) ### API * [numpy.array()API](https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.array.html) * [numpy.empty()API](https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.empty.html) * [numpy.zeros()API](https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.zeros.html) * [numpy.ones()API](https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.ones.html) * [numpy.vstack()API](https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.vstack.html) * [numpy.hstack()API](https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.hstack.html) ## 摘要 在本教程中,您在 NumPy 中發現了 N 維數組,用于表示 Python 中的數值和操作數據。 具體來說,你學到了: * 什么是 ndarray 以及如何在 Python 中創建和檢查數組。 * 用于創建具有默認值的新空數組和數組的關鍵函數。 * 如何組合現有數組以創建新數組。 你有任何問題嗎? 在下面的評論中提出您的問題,我會盡力回答。
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看