Курс Python → Атрибуты массивов в Numpy
Библиотека Numpy является одной из самых популярных библиотек для работы с массивами в Python. При создании массива с помощью Numpy мы получаем объект типа ndarray, который представляет собой многомерный массив. Одним из наиболее часто используемых атрибутов массивов является ndim, который показывает число измерений (или осей) массива. Например, для одномерного массива ndim будет равен 1, для двумерного — 2 и так далее.
Другим важным атрибутом является shape, который представляет собой кортеж натуральных чисел, показывающий размеры массива по каждой оси. Например, для матрицы из n строк и m столбцов, shape будет (n, m). Число элементов кортежа shape равно ndim, то есть количество измерений массива. Также важным атрибутом является size, который показывает количество элементов в массиве и равен произведению всех элементов атрибута shape.
Тип элементов массива определяется с помощью атрибута dtype, который является объектом, описывающим тип элементов массива. Еще одним полезным атрибутом является itemsize, который показывает размер каждого элемента массива в байтах. Наконец, атрибут data представляет собой буфер, содержащий фактические элементы массива, однако обычно мы не используем этот атрибут, так как обращаться к элементам массива проще всего с помощью индексов.
# Пример кода
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print("Shape массива:", arr.shape)
print("Размер массива:", arr.size)
print("Тип элементов массива:", arr.dtype)
print("Размер каждого элемента в байтах:", arr.itemsize)В данном примере мы создаем двумерный массив arr с помощью библиотеки Numpy и выводим некоторые его атрибуты, такие как shape, size, dtype и itemsize. Это поможет нам лучше понять структуру и характеристики массива, что может быть полезно при его обработке и анализе данных.
Другие уроки курса "Python"
- Методы в Python
- Создание копии итератора
- Транспонирование 2D-массива с помощью zip
- Очистка списка от False, None, 0, «»
- Разность множеств
- Список импортированных модулей в Python
- Создание словаря в Python
- lru_cache оптимизация функций
- Преобразование вложенного списка
- Декораторы классов
- Создание коллекций из выражения-генератора
- Округление в Python
- Делегирование в Python
- Контекстный менеджер в Python
- Множественное наследование в Python
- Копирование словарей и списков в Python
- Создание списков в Python
- Оператор «or» в Python
- Оператор (*) в Python
- Глобальные переменные в Python
- Лимиты на ресурсы Python
- Профилирование данных с Pandas.
- Блок else в обработке исключений
- Генераторы списков в Python
- Создание словарей с defaultdict
- Профилирование с Pandas
- Удаление элемента по индексу в Python
- Работа с getopt
- Класс Counter() для подсчета элементов
- Создание комплексных чисел
- Константы в модуле cmath
- Обмен данными с asyncio.Queue
- Декоратор защиты анонимных пользователей
- Компиляция регулярных выражений
- Аннотации типов в Python
- Преобразование чисел в Python
- Контроль точности вывода чисел
- Progress с библиотекой tqdm
- Импорт классов из другого файла
- Создание списков в Python
- Группировка элементов Python
- Функция reversed() в Python
- Форматирование строк с помощью f-строк
- Работа с Event() в threading
- Beautiful Soup — извлечение данных из HTML
