ایجاد آرایه در Numpy : Numpy برای کار با آرایه مورد استفاده قرار می گیرد. شی آرایه در Numpy را ndarray می نامند. ما با استفاده از تابع ()array در کتابخانه ی Numpy می توانیم شی ndarray یا همان آرایه را ایجاد کنیم.
بهتر است قبل از شروع بخوانید : NumPy چیست ؟ کتابخانه ای برای آرایه ها در پایتون
مثال :
| import numpy as np arr = np.array([۱, ۲, ۳, ۴, ۵]) print(arr) print(type(arr)) |
خروجی :
[۵ ۴ ۳ ۲ ۱] <class ‘numpy.ndarray’> |
type(): این تابع در پایتون نوع شی که درون آن قرار گرفته را به ما می گوید . در مثال بالا نوع شی arr که درون تابع () Type قرار گرفته در خروجی numpy.ndarray نمایش داده شده است.
برای ایجاد ndarray شما می توانید list ها ، Tupleو هر چیزی مشابه ارایه را با استفاده از متد ()array به ndarray تبدیل کنید.
مثال
استفاده از یک Tuple برای ایجاد یک آرایه Numpy :
| import numpy as np arr = np.array((۱, ۲, ۳, ۴, ۵)) print(arr) |
خروجی :
| [۵ ۴ ۳ ۲ ۱] |
بُعد آرایه ها
بُعد ها در آرایه ، میزان عمق یک آرایه را نشان می دهد.(آرایه های تو در تو)
آرایه های تو در تو: آرایه های تو در تو یعنی عناصر درون آرایه ، خودشان آرایه باشند. ممکن است عناصر آرایه هم خود دارای عناصر آرایه ای دیگری باشند.
آرایه های صفر بُعدی
آرایه های صفر بعدی یا برداری ، آرایه های هستند که دارای عناصر صفر بعدی می باشند. یعنی عنصر آرایه ، از یک مقدار تشکیل شده نه یک آرایه.
مثال
ایجاد یک آرایه صفر بُعدی با مقدار ۴۲:
| import numpy as np arr = np.array(۴۲) print(arr) |
خروجی :
| ۴۲ |
آرایه های تک بُعدی
به آرایه ای که عناصر تشکیل دهده ی آن از نوع آرایه ی صفر بعدی باشند ، آرایه ی تک بُعدی گفته می شود. این نوع آرایه رایج ترین و ساده ترین نوع آرایه می باشد.
مثال
ایجاد یک آرایه تک بُعدی با مقادیر ۱,۲,۳,۴,۵:
| import numpy as np arr = np.array([۱, ۲, ۳, ۴, ۵]) print(arr) |
خروجی :
| [۵ ۴ ۳ ۲ ۱] |
آرایه های دو بُعدی
به آرایه ای که عناصر تشکیل دهده ی آن از نوع آرایه ی یک بعدی باشند ، آرایه ی دو بُعدی گفته می شود. این نوع آرایه ها اغلب برای ماتریس ها مورد استفاده قرار می گیرند. آرایه‌های دوبعدی به‌صورت ماتریس ها پرینت می شوند.
کتابخانه ی Numpy یک زیر ماژول کامل برای عملیات ماتریس ها به نام numpy.mat دارد.
مثال
ایجاد یک آرایه دو بُعدی با مقادیر ۱,۲,۳ و ۴,۵,۶:
| import numpy as np arr = np.array([[۱, ۲, ۳], [۴, ۵, ۶]]) print(arr) |
خروجی :
| [[۳ ۲ ۱] [۶ ۵ ۴]] |
آرایه های سه بُعدی
به آرایه ای که عناصر تشکیل دهده ی آن از نوع آرایه ی دو بعدی باشند ، آرایه ی سه بُعدی گفته می شود. این نوع آرایه ها اغلب برای tensor ها مورد استفاده قرار می گیرند.آرایه‌های سه‌بعدی به‌صورت فهرستی از ماتریس‌ها پرینت می‌شوند.
مثال
ایجاد یک آرایه سه بُعدی با دو آرایه ی دو بُعدی که هردو آرایه دوبُعدی شامل مقادیر ۱,۲,۳ و ۴,۵,۶ می باشند:
| import numpy as np arr = np.array([[[۱, ۲, ۳], [۴, ۵, ۶]], [[۱, ۲, ۳], [۴, ۵, ۶]]]) print(arr) |
خروجی :
[[[۳ ۲ ۱]
[۶ ۵ ۴]]
[[۳ ۲ ۱]
[۶ ۵ ۴]]] |
چگونه تعداد ابعاد آرایه را بررسی کنیم ؟
آرایه های NumPy دارای یک ویژگی به نام ndim می باشد . این ویژگی یک عدد صحیح را بازمی گرداند که به ما می گوید آرایه دارای چند بُعد است.
مثال
چک کردن ، چند بُعدی بودن آرایه :
| import numpy as np a = np.array(۴۲) print(a.ndim) |
خروجی :
۰
۱
۲
۳ |
آرایه های چند بعدی بزرگتر
یک آرایه می تواند هر چند بعد داشته باشد.وقتی یک آرایه ایجاد می کنید، می توانید تعداد بُعد آرایه ی مورد نظر را با استفاده از آرگومانت ndmin تعیین کنید.
مثال
یک آرایه ی ۵ بعدی تعریف کنید و چک کنید که آن آرایه ۵ بُعد است:
| import numpy as np arr = np.array([۱, ۲, ۳, ۴], ndmin=۵) print(arr) |
خروجی :
[[[[[۴ ۳ ۲ ۱]]]]]
number of dimensions : 5 |
در این آرایه ، داخلی ترین بُعد(۵مین بُعد) دارای چهار عنصر می باشد. ۴ مین بعد دارای یک عنصر به صورت برداری می باشد.۳مین دارای یک عنصر به صورت ماتریسی است (دوبُعدی)،دومین بُعد دارای یک عنصر سه بعدی و اولین بُعد دارای یک عنصر چهار بُعدی می باشد.
منبع : w3
