Erstellen eines NumPy-Arrays mit vorhandenen Daten

Einführung

NumPy ist eine beliebte Python-Bibliothek, die Unterstützung für Arrays bietet. Es bietet verschiedene Möglichkeiten, ein Array aus den vorhandenen Daten zu erstellen. In diesem Lab werden wir lernen, wie man ein Array mit vorhandenen Daten erstellt.

VM-Tipps

Nachdem der VM-Start abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.

Array erstellen mit Tuple - Mit numpy.asarray

Die numpy.asarray-Routine wird verwendet, um eine Python-Sequenz in ein ndarray umzuwandeln. Erstellen wir ein Array mit einem Tuple mit numpy.asarray.

import numpy as np

## python tuple
l = (34,7,8,78)
## Array mit dem Tuple erstellen
a = np.asarray(l)

print(type(a))
print(a)

Ausgabe:

<class 'numpy.ndarray'>
[34 7 8 78]

Im obigen Code haben wir ein Array mit der numpy.asarray()-Funktion erstellt, indem wir das Tuple l als Eingabe übergeben und das zurückgegebene Array in der Variable a speichern. Die Ausgabe zeigt, dass a ein numpy.ndarray ist.

Array erstellen mit Liste - Mit numpy.asarray

Jetzt werden wir ein Array mit mehr als einer Liste erstellen.

import numpy as np

## python Liste
l = [[1,2,3],[8,9],[5,7]]
## Array aus Liste erstellen
b = np.asarray(l)

print(type(b))
print(b)

Ausgabe:

<class 'numpy.ndarray'>
[list([1, 2, 3]) list([8, 9]) list([5, 7])]

Im obigen Code haben wir ein Array mit der numpy.asarray()-Funktion erstellt, indem wir die Liste l als Eingabe übergeben und das zurückgegebene Array in der Variable b speichern. Die Ausgabe zeigt, dass das Array Listen als Elemente enthält, statt einzelne Elemente.

Array erstellen mit numpy.frombuffer

Die numpy.frombuffer-Routine wird verwendet, um ein Array mithilfe des angegebenen Puffers zu erstellen.

import numpy as np

## bytes initialisieren
l = b'LabEx!'
print(type(l))

a = np.frombuffer(l, dtype = "S1")
print(a)
print(type(a))

Ausgabe:

<class 'bytes'>
[b'S' b't' b'u' b'd' b'y' b'T' b'o' b'n' b'i' b'g' b'h' b't' b'!']
<class 'numpy.ndarray'>

Im obigen Code haben wir ein Array mit der numpy.frombuffer-Routine erstellt, wobei wir die Bytes initialisiert haben und ein eindimensionales Array vom Typ 'S1' zurückgegeben haben. Bei der Ausführung gibt diese Funktion alle einzelnen Zeichen in der angegebenen Bytefolge aus.

Array erstellen mit numpy.fromiter

Die numpy.fromiter-Routine wird verwendet, um ein ndarray mithilfe eines iterierbaren Objekts zu erstellen.

import numpy as np

## Verwendung eines python Tuples
tup = (2,4,6,20)
## Erstellen eines Iterators
it = iter(tup)

## Erstellen eines ndarrays mithilfe des Iterators
x = np.fromiter(it, dtype = float)

print(x)
print(type(x))

Ausgabe:

[ 2. 4. 6. 20.]
<class 'numpy.ndarray'>

Im obigen Code haben wir zuerst ein Tuple tup erstellt und dann einen Iterator davon erstellt. Wir haben dann diesen Iterator verwendet, um das numpy-Array von Gleitkommazahlen zu erstellen.

Zusammenfassung

In diesem Lab haben wir verschiedene Methoden gelernt, um ein Array mit vorhandenen Daten in der NumPy-Bibliothek zu erstellen. Wir haben verschiedene Bibliotheksroutinen verwendet, um Arrays mit Tuples, Listen, aus Puffern und aus Iterationen zu erstellen. Mit diesen Methoden können wir leicht ein NumPy-Array mit den Daten erstellen, die wir haben, und weitere Analysen, Berechnungen und Operationen darauf anwenden.