کتابخانه علوم داده numpy (قسمت دوم)

ساخت آرایه‌ها در نامپای 

در کتابخانه نامپای آرایه‌ها به ndarray خوانده می‌شوند و برای ساخت آنها از تابع ()array استفاده می‌شود .

import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))

برای ساخت این نوع آرایه‌ها می‌توان از لیست‌ها یا تاپل‌ها یا هر نوع دیتا تایپی که به صورت مجموعه کار می‌کند استفاده کرد.

ابعاد در آرایه‌های نامپای

در نامپای شما می‌توانید بعدهایی برای آرایه‌ها تعریف کنید و آرایه‌هایی N بعدی داشته باشید.

آرایه 0 بعدی 

آرایه‌ای که فقط یک تک المان می‌باشد 0 بعدی در نظر گرفته می‌شود.

import numpy as np
arr = np.array(42)
print(arr)

آرایه 1 بعدی

آرایه‌ای خطی است که مجموعه‌ی داده‌ها در کنار هم و یک خط کنار هم قرار می‌گیرند .

import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)

آرایه  2 بعدی

  آرایه 2 بعدی آرایه‌ای است که از چندین آرایه خطی به وجود آمده و به اصطلاح یک سطح است.

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)

آرایه 3 بعدی

  آرایه 3 بعدی آرایه‌ای است که از چندین آرایه 2 بعدی به وجود آمده و به اصطلاح یک فضای دارای حجم است.

import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)

فهمیدن چند بعدی بودن آرایه نامپای

آرایه‌های ساخته شده مقداری به نام ndim که این مقدار همیشه نشان‌د‌هنده‌ تعداد بعد‌های یک ndarray می‌باشد.

import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)

آموزش بعدی کتابخانه علوم داده numpy (قسمت سوم) | ایندکسینگ آرایه ها در نامپای | tmayt 

آموزش قبلی آموزش کتابخانه علوم داده tmayt | numpy