TechCodeview

Ndarray es el objeto de matriz de n dimensiones definido en numpy que almacena la colección de elementos de tipo similar. En otras palabras, podemos definir un ndarray como la colección de objetos de tipo de datos (dtype).

Se puede acceder al objeto ndarray utilizando la indexación basada en 0. Cada elemento del objeto Array contiene el mismo tamaño en la memoria.

Creando un objeto ndarray

El objeto ndarray se puede crear utilizando la rutina de matriz del módulo numpy. Para ello, necesitamos importar el numpy.

 >>> a = numpy.array 

Considere la imagen de abajo.

También podemos pasar un objeto de colección a la rutina de matriz para crear la matriz de n dimensiones equivalente. La sintaxis se proporciona a continuación.

 >>> numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0) 

Los parámetros se describen en la siguiente tabla.

Para crear una matriz usando la lista, use la siguiente sintaxis.

 >>> a = numpy.array([1, 2, 3]) 

Para crear un objeto de matriz multidimensional, utilice la siguiente sintaxis.

 >>> a = numpy.array([[1, 2, 3], [4, 5, 6]]) 

Para cambiar el tipo de datos de los elementos de la matriz, mencione el nombre del tipo de datos junto con la colección.

convertir objeto a cadena

 >>> a = numpy.array([1, 3, 5, 7], complex) 

Encontrar las dimensiones de la matriz.

El soy yo La función se puede utilizar para encontrar las dimensiones de la matriz.

 >>> import numpy as np >>> arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) >>> print(arr.ndim) 

Encontrar el tamaño de cada elemento de la matriz

La función itemsize se utiliza para obtener el tamaño de cada elemento de la matriz. Devuelve el número de bytes que ocupa cada elemento de la matriz.

Considere el siguiente ejemplo.

Ejemplo

 #finding the size of each item in the array import numpy as np a = np.array([[1,2,3]]) print('Each item contains',a.itemsize,'bytes') 

Producción:

cadena a entero java

 Each item contains 8 bytes. 

Encontrar el tipo de datos de cada elemento de la matriz

Para verificar el tipo de datos de cada elemento de la matriz, se utiliza la función dtype. Considere el siguiente ejemplo para verificar el tipo de datos de los elementos de la matriz.

Ejemplo

 #finding the data type of each array item import numpy as np a = np.array([[1,2,3]]) print('Each item is of the type',a.dtype) 

Producción:

 Each item is of the type int64 

Encontrar la forma y el tamaño de la matriz.

Para obtener la forma y el tamaño de la matriz, se utiliza la función de tamaño y forma asociada con la matriz numpy.

Considere el siguiente ejemplo.

Ejemplo

 import numpy as np a = np.array([[1,2,3,4,5,6,7]]) print('Array Size:',a.size) print('Shape:',a.shape) 

Producción:

 Array Size: 7 Shape: (1, 7) 

Reformar los objetos de la matriz

Por forma de la matriz, nos referimos al número de filas y columnas de una matriz multidimensional. Sin embargo, el módulo numpy nos proporciona la manera de remodelar la matriz cambiando el número de filas y columnas de la matriz multidimensional.

La función reshape() asociada con el objeto ndarray se utiliza para remodelar la matriz. Acepta los dos parámetros que indican la fila y las columnas de la nueva forma de la matriz.

Modifiquemos la matriz que se muestra en la siguiente imagen.

Ejemplo

 import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print('printing the original array..') print(a) a=a.reshape(2,3) print('printing the reshaped array..') print(a) 

Producción:

 printing the original array.. [[1 2] [3 4] [5 6]] printing the reshaped array.. [[1 2 3] [4 5 6]] 

Cortar en la matriz

Cortar la matriz NumPy es la forma de extraer una variedad de elementos de una matriz. El corte en la matriz se realiza de la misma manera que se realiza en la lista de Python.

Considere el siguiente ejemplo para imprimir un elemento particular de la matriz.

Ejemplo

 import numpy as np a = np.array([[1,2],[3,4],[5,6]]) print(a[0,1]) print(a[2,0]) 

Producción:

eliminando de la lista de matrices

 2 5 

El programa anterior imprime los 2^{Dakota del Norte}elemento del 0^thíndice y 0^thelemento del 2^{Dakota del Norte}índice de la matriz.

Espacio lineal

La función linspace() devuelve los valores espaciados uniformemente en el intervalo dado. El siguiente ejemplo devuelve los 10 valores separados uniformemente en el intervalo dado 5-15

Ejemplo

 import numpy as np a=np.linspace(5,15,10) #prints 10 values which are evenly spaced over the given interval 5-15 print(a) 

Producción:

 [ 5. 6.11111111 7.22222222 8.33333333 9.44444444 10.55555556 11.66666667 12.77777778 13.88888889 15. ] 

Encontrar el máximo, mínimo y suma de los elementos de la matriz

NumPy proporciona las funciones max(), min() y sum() que se utilizan para encontrar el máximo, el mínimo y la suma de los elementos de la matriz, respectivamente.

Considere el siguiente ejemplo.

Ejemplo

 import numpy as np a = np.array([1,2,3,10,15,4]) print('The array:',a) print('The maximum element:',a.max()) print('The minimum element:',a.min()) print('The sum of the elements:',a.sum()) 

Producción:

doble a cadena java

 The array: [ 1 2 3 10 15 4] The maximum element: 15 The minimum element: 1 The sum of the elements: 35 

Eje de matriz NumPy

Una matriz multidimensional NumPy está representada por el eje donde el eje-0 representa las columnas y el eje-1 representa las filas. Podemos mencionar el eje para realizar cálculos a nivel de fila o columna, como la suma de elementos de fila o columna.

Para calcular el elemento máximo entre cada columna, el elemento mínimo entre cada fila y la suma de todos los elementos de la fila, considere el siguiente ejemplo.

Ejemplo

 import numpy as np a = np.array([[1,2,30],[10,15,4]]) print('The array:',a) print('The maximum elements of columns:',a.max(axis = 0)) print('The minimum element of rows',a.min(axis = 1)) print('The sum of all rows',a.sum(axis = 1)) 

Producción:

 The array: [[1 2 30] [10 15 4]] The maximum elements of columns: [10 15 30] The minimum element of rows [1 4] The sum of all rows [33 29] 

Encontrar raíz cuadrada y desviación estándar

Las funciones sqrt() y std() asociadas con la matriz numpy se utilizan para encontrar la raíz cuadrada y la desviación estándar de los elementos de la matriz, respectivamente.

La desviación estándar significa cuánto varía cada elemento de la matriz con respecto al valor medio de la matriz numerosa.

Considere el siguiente ejemplo.

Ejemplo

 import numpy as np a = np.array([[1,2,30],[10,15,4]]) print(np.sqrt(a)) print(np.std(a)) 

Producción:

 [[1. 1.41421356 5.47722558] [3.16227766 3.87298335 2. ]] 10.044346115546242 

Operaciones aritméticas en la matriz.

El módulo numpy nos permite realizar operaciones aritméticas en matrices multidimensionales directamente.

En el siguiente ejemplo, las operaciones aritméticas se realizan en las dos matrices multidimensionales a y b.

Ejemplo

 import numpy as np a = np.array([[1,2,30],[10,15,4]]) b = np.array([[1,2,3],[12, 19, 29]]) print('Sum of array a and b
',a+b) print('Product of array a and b
',a*b) print('Division of array a and b
',a/b) 

Concatenación de matrices

numpy nos proporciona el apilamiento vertical y el apilamiento horizontal que nos permite concatenar dos matrices multidimensionales vertical u horizontalmente.

Considere el siguiente ejemplo.

Ejemplo

 import numpy as np a = np.array([[1,2,30],[10,15,4]]) b = np.array([[1,2,3],[12, 19, 29]]) print('Arrays vertically concatenated
',np.vstack((a,b))); print('Arrays horizontally concatenated
',np.hstack((a,b))) 

Producción:

 Arrays vertically concatenated [[ 1 2 30] [10 15 4] [ 1 2 3] [12 19 29]] Arrays horizontally concatenated [[ 1 2 30 1 2 3] [10 15 4 12 19 29]]