NumPy-Arrays und Datentypen

PythonPythonBeginner
Jetzt üben

💡 Dieser Artikel wurde von AI-Assistenten übersetzt. Um die englische Version anzuzeigen, können Sie hier klicken

Einführung

NumPy ist eine Bibliothek für die Programmiersprache Python, die zur Durchführung numerischer Operationen in Python verwendet wird. NumPy bietet eine bequeme Möglichkeit, mit numerischen Daten zu arbeiten, indem multidimensionale Arrays verwendet werden. In diesem Tutorial werden wir diskutieren, wie man NumPy-Arrays erstellt, darauf zugreift und modifiziert, sowie die verschiedenen verfügbaren Datentypen erkunden.

Arrays erstellen

Öffnen Sie in einem Terminal einen neuen Python-Interpreter.

python3

Bevor wir mit Arrays arbeiten können, müssen wir sie erstellen. NumPy bietet mehrere Methoden zum Erstellen von Arrays, wie z. B.:

1. np.array()

Diese Funktion erstellt ein Array aus einer Python-Liste oder -Tupel.

import numpy as np

## Ein Array aus einer Python-Liste erstellen
my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)
print(my_array)  ## Ausgabe: [1 2 3 4 5]

## Ein Array aus einem Python-Tupel erstellen
my_tuple = (6, 7, 8, 9, 10)
my_array = np.array(my_tuple)
print(my_array)  ## Ausgabe: [ 6  7  8  9 10]

2. np.zeros()

Diese Funktion erstellt ein Array von Nullen mit einer angegebenen Form.

## Ein Array von Nullen erstellen
my_array = np.zeros((3, 4))
print(my_array)
## Ausgabe:
## [[0. 0. 0. 0.]
##  [0. 0. 0. 0.]
##  [0. 0. 0. 0.]]

3. np.ones()

Diese Funktion erstellt ein Array von Einsen mit einer angegebenen Form.

## Ein Array von Einsen erstellen
my_array = np.ones((2, 3))
print(my_array)
## Ausgabe:
## [[1. 1. 1.]
##  [1. 1. 1.]]

4. np.arange()

Diese Funktion erstellt ein Array mit gleichmäßig verteilten Werten innerhalb eines angegebenen Bereichs.

## Ein Array mit gleichmäßig verteilten Werten erstellen
my_array = np.arange(0, 10, 2)
print(my_array)  ## Ausgabe: [0 2 4 6 8]

5. np.linspace()

Diese Funktion erstellt ein Array mit gleichmäßig verteilten Werten zwischen zwei Endpunkten.

## Ein Array mit gleichmäßig verteilten Werten zwischen zwei Endpunkten erstellen
my_array = np.linspace(0, 1, 5)
print(my_array)  ## Ausgabe: [0.   0.25 0.5  0.75 1.  ]

Elemente zugreifen

Um auf ein Element in einem eindimensionalen Array zuzugreifen, können wir seinen Index verwenden.

my_array = np.array([1, 2, 3, 4, 5])
print(my_array[0])  ## Ausgabe: 1

Um auf ein Element in einem mehrdimensionalen Array zuzugreifen, müssen wir seine Position in jeder Dimension angeben.

my_array = np.array([[1, 2], [3, 4], [5, 6]])
print(my_array[1, 0])  ## Ausgabe: 3

Elemente modifizieren

Wir können den Wert eines Elements in einem Array ändern, indem wir ihm einen neuen Wert zuweisen.

my_array = np.array([1, 2, 3])
my_array[2] = 4
print(my_array)  ## Ausgabe: [1 2 4]

Wir können auch einen Schnitt (Slice) eines Arrays modifizieren.

my_array = np.array([1, 2, 3, 4, 5])
my_array[1:4] = [6, 7, 8]
print(my_array)  ## Ausgabe: [1 6 7 8 5]

Datentypen

NumPy-Arrays können Elemente unterschiedlicher Datentypen speichern, wie ganze Zahlen, Gleitkommazahlen und Boole'sche Werte. NumPy bietet eine Reihe von Datentypen an, darunter:

Datentyp Beschreibung
int_ Ganze Zahl
int8 8-Bit-Ganzzahl
int16 16-Bit-Ganzzahl
int32 32-Bit-Ganzzahl
int64 64-Bit-Ganzzahl
uint8 Unvorzeichente 8-Bit-Ganzzahl
uint16 Unvorzeichente 16-Bit-Ganzzahl
uint32 Unvorzeichente 32-Bit-Ganzzahl
uint64 Unvorzeichente 64-Bit-Ganzzahl
float_ Gleitkommazahl
float16 Halbe Genauigkeit Gleitkommazahl
float32 Einzelne Genauigkeit Gleitkommazahl
float64 Doppelte Genauigkeit Gleitkommazahl
complex_ Komplexe Zahl
complex64 Komplexe Zahl, dargestellt durch zwei 32-Bit-Floats
complex128 Komplexe Zahl, dargestellt durch zwei 64-Bit-Floats
bool_ Boolean
object_ Objekt (kann jedes Python-Objekt aufnehmen)

Um einen Datentyp für ein Array anzugeben, können wir den dtype-Parameter verwenden.

## Ein Array mit einem bestimmten Datentyp erstellen
my_array = np.array([1, 2, 3], dtype=np.float64)
print(my_array)  ## Ausgabe: [1. 2. 3.]

Wir können auch ein Array in einen anderen Datentyp umwandeln, indem wir die astype()-Methode verwenden.

## Ein Array in einen anderen Datentyp umwandeln
my_array = np.array([1, 2, 3], dtype=np.int32)
my_array = my_array.astype(np.float64)
print(my_array)  ## Ausgabe: [1. 2. 3.]

Zusammenfassung

In diesem Tutorial haben wir gelernt, wie man NumPy-Arrays erstellt, darauf zugreift und modifiziert, sowie die verschiedenen verfügbaren Datentypen untersucht. NumPy ist eine leistungsstarke Bibliothek für die Arbeit mit numerischen Daten in Python und bietet viele nützliche Funktionen und Methoden zur Manipulation von Arrays.