Como usar o Python Numpy Array

Muitas bibliotecas existem no Python para executar diferentes tipos de tarefas. Numpy é um deles. A forma completa de Numpy é Python numérico e é usada principalmente para computação científica. Objetos de matriz multidimensional podem ser definidos usando esta biblioteca chamada Python Numpy Array. Existem diferentes tipos de funções na biblioteca Numpy para criar a matriz. A matriz Numpy pode ser gerada a partir da lista Python de dados numéricos, gama de dados e dados aleatórios. Como a matriz Numpy pode ser criada e usada para fazer diferentes tipos de operações mostradas neste tutorial.

Vantagem de usar o Numpy Array

Numpy Array é melhor que a lista de Python por vários motivos. Algumas vantagens significativas de usar o Numpy Array são dadas abaixo.

1. Consome menos memória em comparação com a lista de Python.
2. Funciona mais rápido que a lista Python para a mesma quantidade de dados.
3. É mais adequado de usar em vez da lista Python para algumas tarefas específicas.

Pré-requisitos

A biblioteca Numpy não está instalada em Python por padrão. Então, você deve instalar esta biblioteca antes de praticar os exemplos mostrados neste tutorial. O Python 3+ é usado neste tutorial. Execute o seguinte comando do terminal para instalar Numpy em Python 3.

$ sudo apt-get install python3-numpy

Atributos da matriz numpy

Numpy Array tem muitos atributos para recuperar diferentes tipos de informações sobre a matriz. Alguns dos atributos úteis desta matriz são descritos abaixo.

1. ndarray.ndim - Este atributo retorna o número de dimensões da matriz Numpy nomeada ndarray.
2. ndarray.forma - Este atributo retorna o tamanho de cada dimensão da matriz Numpy nomeada ndarray.
3. ndarray.tamanho - Este atributo retorna o número total de elementos da matriz Numpy nomeada ndarray.
4. ndarray.itensee - Este atributo retorna o tamanho de cada elemento da matriz Numpy nomeada ndarray.
5. ndarray.dtype - Este atributo retorna o tipo de dados de elementos da matriz Numpy nomeada ndarray.
6. ndarray.nBytes - Este atributo retorna o número total de bytes consumidos pelos elementos da matriz Numpy denominada ndarray.

Uso de matriz numpy

As maneiras de declarar a matriz Numpy unidimensional, bidimensional e tridimensional é mostrada nesta parte do tutorial.

Exemplo 1: Uso de Array Numpy unidimensional

O exemplo a seguir mostra três maneiras de criar uma matriz Numpy unidimensional. Função Array () foi usado para criar a primeira matriz unidimensional de 10 números inteiros. Função () da função foi usado para criar a segunda matriz unidimensional de 10 números seqüenciais. função rand () foi usado para criar a terceira matriz unidimensional de 10 números de flutuação aleatória. Em seguida, o Função print () usou para imprimir os diferentes atributos e os valores de três matrizes.

# Importar numpy
importar numpy como np
# Declare o Numpy Array em três matrizes diferentes
OneArray1 = np.Array ([7, 3, 19, 6, 3, 1, 12, 8, 11, 5])
OneArray2 = np.ARANGE (10)
OneArray3 = np.aleatório.Rand (10)
# Imprima diferentes atributos de três matrizes numpy
Imprimir ("\ nA dimensão da primeira matriz Numpy é:", OneArray1.ndim)
Print ("O tamanho da segunda matriz Numpy é:", OneArray2.tamanho)
print ("O tipo de dados da terceira matriz Numpy é:", OneArray3.dtype)
# Imprima os valores das três matrizes numpy
Print ("\ n Os valores da primeira matriz são: \ n", OneArray1)
print ("Os valores da segunda matriz são: \ n", OneArray2)
print ("Os valores da terceira matriz são: \ n", OneArray3)

Saída:

A saída a seguir aparecerá após a execução do script acima. A saída mostra que a primeira matriz é 1, O tamanho da segunda matriz é 10, e o tipo de dados da terceira matriz é Float64. Três matrizes foram impressas mais tarde.

Exemplo 2: Uso de matriz Numpy bidimensional

O exemplo a seguir mostra duas maneiras de criar uma matriz Numpy bidimensional. A função Array () tem sido usada para criar uma matriz bidimensional de 2 linhas e 3 colunas com dados inteiros. A função RAND () tem sido usada para criar uma matriz bidimensional de 2 linhas e 4 colunas com dados de flutuação. Em seguida, a função print () usada para imprimir o atributo de tamanho e os valores de ambos os matrizes.

# Importar numpy
importar numpy como np
# Declare a matriz bidimensional usando listas
doisArray1 = np.Array ([[12, 2, 27], [40, 15, 6]]))
# Declare a matriz bidimensional usando valores aleatórios
doisArray2 = np.aleatório.Rand (2, 4)
# Imprima o tamanho de ambas as matrizes
print ("O tamanho da primeira matriz:", doisArray1.tamanho)
print ("O tamanho da segunda matriz:", doisArray2.tamanho)
# Imprima os valores de ambas as matrizes
print ("Os valores da primeira matriz são: \ n", doisArray1)
print ("Os valores da segunda matriz são: \ n", doisArray2)

Saída:

A saída a seguir aparecerá após a execução do script acima. A saída mostra que o tamanho da primeira matriz é 6 (2 × 3) e o tamanho da segunda matriz é 8 (2 × 4). Ambas as matrizes foram impressas mais tarde.

Exemplo-3: Uso de Array Numpy tridimensional

O exemplo a seguir mostra duas maneiras de criar uma matriz Numpy tridimensional. A função Array () tem sido usada para criar uma matriz tridimensional de dados inteiros. A função RAND () tem sido usada para criar uma variedade tridimensional de dados de flutuação. Em seguida, a função print () usou para imprimir a dimensão e os valores de ambas as matrizes.

# Importar numpy
importar numpy como np
# Crie uma matriz tridimensional usando a lista
ThreArray1 = np.Array ([[[3, 6, 7], [7, 5, 9], [8, 5, 2]]])
# Crie uma matriz tridimensional usando valores aleatórios
ThreArray2 = np.aleatório.Rand (2, 4, 3)
# Imprima a dimensão de ambas as matrizes
print ("A dimensão da primeira matriz:", ThreeArray1.ndim)
print ("A dimensão da segunda matriz:", ThreeArray2.ndim)
# Imprima os valores de ambas as matrizes
Print ("Os valores da primeira matriz são: \ n", ThreArray1)
print ("Os valores da segunda matriz são: \ n", threearray2)

Saída:

A saída a seguir aparecerá após a execução do script acima. A saída mostra que a dimensão de ambas as matrizes é 3. Ambas as matrizes foram impressas mais tarde.

Conclusão

Criar diferentes tipos de matrizes numpy foi explicado neste tutorial usando vários exemplos. Espero que os leitores possam criar matrizes numpy depois de praticar os exemplos deste tutorial.