Введение
Этот лаба предоставляет пошаговое руководство по созданию и использованию массивов NumPy. Массивы NumPy - это многомерные, похожие на сетку структуры, используемые для научных вычислений и анализа данных в Python. Они обладают несколькими преимуществами по сравнению с списками Python, в том числе более быстрыми вычислениями, легче управляемыми и более эффективным управлением памятью.
Советы по ВМ
После запуска ВМ нажмите в левом верхнем углу, чтобы переключиться на вкладку Notebook и получить доступ к Jupyter Notebook для практики.
Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook не загрузится полностью. Валидация операций не может быть автоматизирована из-за ограничений в Jupyter Notebook.
Если вы сталкиваетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.
Установка NumPy
Прежде чем мы сможем начать создавать и использовать массивы NumPy, необходимо установить пакет NumPy. Это можно сделать с помощью следующей команды:
!pip install numpy
Создание массива NumPy
Для создания массива NumPy мы можем использовать функцию numpy.array(). Мы можем передать в эту функцию список, кортеж или любой объект, похожий на массив, и она преобразует его в массив NumPy. Параметр dtype можно использовать для явного определения типа данных массива.
import numpy as np
## создать 1-мерный массив NumPy
arr1 = np.array([1, 2, 3])
## создать 2-мерный массив NumPy
arr2 = np.array([[1, 2, 3],[4, 5, 6]])
Проверка формы и размерности массива NumPy
Мы можем использовать атрибуты shape и ndim массива NumPy для проверки его формы и размерности соответственно. Атрибут shape возвращает кортеж с количеством элементов в каждой размерности массива, в то время как атрибут ndim возвращает количество размерностей в массиве.
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
print(arr.shape) ## вывод: (2, 3)
print(arr.ndim) ## вывод: 2
Доступ к элементам массива NumPy
Мы можем получить доступ к элементам массива NumPy с использованием индексирования и срезы, так же, как и с Python списками. Индекс массива NumPy всегда начинается с 0.
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
print(arr[0, 1]) ## вывод: 2
print(arr[:, 1]) ## вывод: array([2, 5])
Выполнение операций с массивами NumPy
Массивы NumPy поддерживают многие различные операции, такие как арифметические операции, функции агрегации и логические операции. Например, мы можем использовать функции sum() и mean() для вычисления суммы и среднего значения элементов массива NumPy:
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
print(arr.sum()) ## вывод: 21
print(arr.mean()) ## вывод: 3.5
Изменение формы и транспонирование массивов NumPy
Мы можем изменить форму массива NumPy с использованием функции reshape(). Эта функция принимает в качестве аргумента кортеж с желаемой формой. Мы также можем транспонировать массив NumPy с использованием метода transpose() или атрибута T.
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
## изменить форму массива на 3 строки и 2 столбца
arr_reshaped = arr.reshape((3, 2))
## транспонировать массив
arr_transposed = arr.transpose()
arr_T = arr.T
print(arr_reshaped) ## вывод: array([[1, 2],[3, 4],[5, 6]])
print(arr_transposed) ## вывод: array([[1, 4],[2, 5],[3, 6]])
print(arr_T) ## вывод: array([[1, 4],[2, 5],[3, 6]])
Резюме
В этом практическом занятии мы узнали, как создавать и использовать массивы NumPy в Python. Мы рассмотрели основные этапы создания массива, проверку его формы и размерности, доступ к его элементам, выполнение операций с ним, а также переформирование и транспонирование. С этими навыками мы можем эффективно работать с многомерными массивами для научных вычислений и анализа данных.