Курс Python → Работа с NumPy массивами

NumPy — это мощная библиотека языка Python, которая предоставляет возможность работать с большими многомерными массивами и матрицами. Она также включает в себя обширный набор высокоуровневых математических функций, которые позволяют выполнять различные операции с этими массивами быстро и эффективно.

Основным объектом NumPy является однородный многомерный массив, который в библиотеке называется numpy.ndarray. Этот массив состоит из элементов одного типа данных, обычно чисел. NumPy предоставляет мощные инструменты для работы с такими массивами, включая возможность выполнять арифметические операции, индексацию, слайсинг и многое другое.

Для начала работы с NumPy необходимо установить библиотеку. Это можно сделать с помощью пакетного менеджера pip, используя команду pip install numpy. После установки библиотеки можно импортировать ее в свой проект с помощью команды import numpy as np.


import numpy as np

# Создание одномерного массива
arr = np.array([1, 2, 3, 4, 5])

# Вывод размерности массива
print(arr.shape)

# Создание двумерного массива
arr_2d = np.array([[1, 2, 3], [4, 5, 6]])

# Вывод элемента массива
print(arr_2d[1, 2])

Приведенный выше пример демонстрирует основные операции с массивами в NumPy, такие как создание одномерного и двумерного массивов, вывод их размерности и доступ к элементам массива по индексу. NumPy предлагает еще множество других функций и методов, которые делают работу с многомерными массивами более удобной и эффективной.

Твои коллеги будут рады, поделись в

Автор урока

Дмитрий Комаровский
Дмитрий Комаровский

Автоматизация процессов
в КраснодарБанки.ру

Другие уроки курса "Python"

  1. capitalize() — изменение регистра первого символа строки
  2. Работа с кортежами в Python
  3. Antigravity модуль
  4. Работа с zip-архивами в Python
  5. Регистрация на курсы SF Education
  6. Экспорт данных в файл.
  7. Поиск HTML-элементов с BeautifulSoup
  8. Замена символов в Python
  9. Лямбда-функции в Python
  10. Howdoi — получение ответов из терминала
  11. Создание уникального множества
  12. Динамическая типизация в Python
  13. Назначение максимального и минимального значения переменной в Python.
  14. Циклы в Python
  15. Операторы присваивания в Python
  16. Методы __repr__ и __str__ в Python
  17. Оператор «not» в Python
  18. Оператор «or» в Python
  19. Управление фоновыми задачами в Python
  20. Отладка кода
  21. Работа с файлами и директориями в Python.
  22. Замена атрибута в именованном кортеже
  23. Получение обратного списка чисел
  24. Работа с CSV файлами в Python
  25. Итерация по коллекции в Python
  26. Исключение NotImplementedError
  27. Проверка элемента в множестве.
  28. Работа с комплексными числами
  29. Вычисление фазы комплексного числа
  30. Многострочные комментарии в Python
  31. Объединение словарей в Python
  32. IPython и Jupyter Notebook: руководство
  33. Работа со строками в Python
  34. PUT запрос для обновления данных
  35. Расчет времени выполнения
  36. Метод join() для объединения элементов в строку.
  37. Сравнение строк в Python
  38. Работа с изменяемыми коллекциями
  39. Solidity для DeFi Ethereum
  40. SciPy: широкий функционал для математических операций
  41. Удаление пробелов методом translate()
  42. Копирование объектов в Python
  43. Функция enumerate в Python
  44. Распаковка элементов последовательности

Marketello читают маркетологи из крутых компаний