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.

Твои коллеги будут рады, поделись в

Автор урока

Дмитрий Комаровский
Дмитрий Комаровский

Автоматизация процессов
в КраснодарБанки.ру

Другие уроки курса "Python"

  1. Создание множества в Python
  2. Создание задания в Cron
  3. Создание уникального множества
  4. Нахождение пересечения множеств
  5. Необязательные аргументы в Python
  6. Логирование с Loguru
  7. Создание тестовых данных с Faker
  8. Извлечение аудио из видео
  9. Приближение чисел в Python
  10. Вычисление фазы комплексного числа
  11. Выражения-генераторы в Python
  12. Генерация чисел с range()
  13. Очистка вывода в Python
  14. Подсчет элементов в списке с Counter
  15. Метод matmul для умножения матриц
  16. Библиотека sh: использование команд bash в Python
  17. Функции all и any в Python
  18. Удаление ссылок в Python
  19. Изменение элемента списка
  20. Получение атрибутов и методов класса
  21. Объединение словарей в Python
  22. Синхронизация доступа к ресурсам
  23. Удаление знаков препинания в Python
  24. Копирование в Python
  25. Работа с изображениями PIL
  26. Перегрузка операторов в Python
  27. Гибкие функции Python
  28. Игра Виселица на Python
  29. Объединение, распаковка и деструктуризация
  30. Запуск внешних программ с subprocess
  31. Декораторы с аргументами в Python
  32. Поиск индексов подстроки
  33. Цикл for в Python
  34. Magic Commands — улучшение работы с Python
  35. Функция zip() в Python
  36. Копирование объектов в Python
  37. Тип CodeType в Python.
  38. Работа с коллекциями Python
  39. Проверка на палиндром
  40. Декодирование строк в Python
  41. Функции высшего порядка в Python
  42. Передача параметров в Python
  43. Функции-генераторы в Python
  44. Уникальность ключей в словаре
  45. Сохранение Unicode в JSON
  46. Работа с Path в Python

Marketello читают маркетологи из крутых компаний