NumPy significa Python numérico. Es una biblioteca de Python utilizada para trabajar con una array. En Python, usamos la lista para el arreglo, pero es lento de procesar. NumPy array es un poderoso objeto de array N-dimensional y su uso en álgebra lineal, transformada de Fourier y capacidades de números aleatorios. Proporciona un objeto de array mucho más rápido que las listas tradicionales de Python.
Tipos de array:
- Array unidimensional
- Array multidimensional
Array unidimensional:
Una array unidimensional es un tipo de array lineal.
Ejemplo:
Python3
# importing numpy module import numpy as np # creating list list = [1, 2, 3, 4] # creating numpy array sample_array = np.array(list1) print("List in python : ", list) print("Numpy Array in python :", sample_array)
Producción:
List in python : [1, 2, 3, 4] Numpy Array in python : [1 2 3 4]
Verifique el tipo de datos para la lista y la array:
Python3
print(type(list_1)) print(type(sample_array))
Producción:
<class 'list'> <class 'numpy.ndarray'>
Array multidimensional:
Los datos en arrays multidimensionales se almacenan en forma tabular.
Ejemplo:
Python3
# importing numpy module import numpy as np # creating list list_1 = [1, 2, 3, 4] list_2 = [5, 6, 7, 8] list_3 = [9, 10, 11, 12] # creating numpy array sample_array = np.array([list_1, list_2, list_3]) print("Numpy multi dimensional array in python\n", sample_array)
Producción:
Numpy multi dimensional array in python [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]]
Nota: use operadores [ ] dentro de numpy.array() para multidimensional
Anatomía de una array:
1. Eje: El eje de una array describe el orden de indexación en la array.
Eje 0 = unidimensional
Eje 1 = Bidimensional
Eje 2 = Tridimensional
2. Forma: El número de elementos a lo largo de cada eje. Es de una tupla.
Ejemplo:
Python3
# importing numpy module import numpy as np # creating list list_1 = [1, 2, 3, 4] list_2 = [5, 6, 7, 8] list_3 = [9, 10, 11, 12] # creating numpy array sample_array = np.array([list_1, list_2, list_3]) print("Numpy array :") print(sample_array) # print shape of the array print("Shape of the array :", sample_array.shape)
Producción:
Numpy array : [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]] Shape of the array : (3, 4)
Ejemplo:
Python3
import numpy as np sample_array = np.array([[0, 4, 2], [3, 4, 5], [23, 4, 5], [2, 34, 5], [5, 6, 7]]) print("shape of the array :", sample_array.shape)
Producción:
shape of the array : (5, 3)
3. Rango: El rango de una array es simplemente el número de ejes (o dimensiones) que tiene.
El arreglo unidimensional tiene rango 1.
La array bidimensional tiene rango 2.
4. Objetos de tipo de datos (dtype): Los objetos de tipo de datos (dtype) son una instancia de la clase numpy.dtype . Describe cómo deben interpretarse los bytes en el bloque de memoria de tamaño fijo correspondiente a un elemento de array.
Ejemplo:
Python3
# Import module import numpy as np # Creating the array sample_array_1 = np.array([[0, 4, 2]]) sample_array_2 = np.array([0.2, 0.4, 2.4]) # display data type print("Data type of the array 1 :", sample_array_1.dtype) print("Data type of array 2 :", sample_array_2.dtype)
Producción:
Data type of the array 1 : int32 Data type of array 2 : float64
Alguna forma diferente de crear Numpy Array:
1. numpy.array() : el objeto de array Numpy en Numpy se llama ndarray. Podemos crear ndarray usando la función numpy.array() .
Sintaxis: numpy.array(parámetro)
Ejemplo:
Python3
# import module import numpy as np #creating a array arr = np.array([3,4,5,5]) print("Array :",arr)
Producción:
Array : [3 4 5 5]
2. numpy.fromiter() : la función fromiter() crea una nueva array unidimensional a partir de un objeto iterable.
Sintaxis: numpy.fromiter(iterable, dtype, count=-1)
Ejemplo 1:
Python3
#Import numpy module import numpy as np # iterable iterable = (a*a for a in range(8)) arr = np.fromiter(iterable, float) print("fromiter() array :",arr)
Producción:
array fromiter() : [ 0. 1. 4. 9. 16. 25. 36. 49.]
Ejemplo 2:
Python3
import numpy as np var = "Geekforgeeks" arr = np.fromiter(var, dtype = 'U2') print("fromiter() array :", arr)
Producción:
array fromiter(): [‘G’ ‘e’ ‘e’ ‘k’ ‘f’ ‘o’ ‘r’ ‘g’ ‘e’ ‘e’ ‘k’ ‘s’]
3. numpy.arange() : esta es una función NumPy incorporada que devuelve valores espaciados uniformemente dentro de un intervalo determinado.
Sintaxis: numpy.arange([start, ]stop, [step, ]dtype=None)
Ejemplo:
Python3
import numpy as np np.arange(1, 20 , 2, dtype = np.float32)
Producción:
array ([ 1., 3., 5., 7., 9., 11., 13., 15., 17., 19.], dtype=float32)
4. numpy.linspace() : esta función devuelve números espaciados uniformemente sobre un límite especificado entre dos.
Sintaxis: numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=Ninguno, axis=0)
Ejemplo 1:
Python3
import numpy as np np.linspace(3.5, 10, 3)
Producción:
array([ 3.5 , 6.75, 10. ])
Ejemplo 2:
Python3
import numpy as np np.linspace(3.5, 10, 3, dtype = np.int32)
Producción:
array([ 3, 6, 10])
5. numpy.empty() : esta función crea una nueva array de forma y tipo determinados, sin inicializar el valor.
Sintaxis: numpy.empty(forma, dtype=float, order=’C’)
Ejemplo:
Python3
import numpy as np np.empty([4, 3], dtype = np.int32, order = 'f')
Producción:
array([[ 1, 5, 9], [ 2, 6, 10], [ 3, 7, 11], [ 4, 8, 12]])
6. numpy.ones(): esta función se usa para obtener una nueva array de forma y tipo dados, rellena con unos (1).
Sintaxis: numpy.ones(forma, dtype=Ninguno, order=’C’)
Ejemplo:
Python3
import numpy as np np.ones([4, 3], dtype = np.int32, order = 'f')
Producción:
array([[1, 1, 1], [1, 1, 1], [1, 1, 1], [1, 1, 1]])
7. numpy.zeros() : esta función se usa para obtener una nueva array de forma y tipo dados, llena de ceros (0).
Sintaxis: numpy.ones(forma, dtype=Ninguno)
Ejemplo:
Python3
import numpy as np np.zeros([4, 3], dtype = np.int32, order = 'f')
Producción:
array([[0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0]])
Publicación traducida automáticamente
Artículo escrito por kumar_satyam y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA