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. Вакансии в Nebius
  2. Работа с файлами в Python
  3. Тестирование времени с Freezegun
  4. Логические операторы в Python
  5. Резервирование символов в Python
  6. Атрибуты класса и экземпляра
  7. Управление виртуальными окружениями в Python
  8. Аннотации типов в Python
  9. Запрос пароля с помощью getpass
  10. Роль ключевого слова self
  11. Списки в Python: основы
  12. Замеры производительности в Python
  13. Функция pow() — возвести число в степень
  14. Обработка исключений в Python
  15. Работа с утверждениями в Python
  16. Использование defaultdict в Python
  17. Работа с WindowsPath()
  18. Оптимизация параметров в Python
  19. Основные операции с Numpy
  20. Основы работы с базами данных в Python
  21. Замер времени выполнения кода
  22. Обработка исключений в Python
  23. Управление асинхронными задачами на Python.
  24. Установка и использование pyshorteners
  25. Работа с deque в Python
  26. Проектирование Singleton с метаклассом
  27. Генерация чисел с range()
  28. Хранение переменных в словаре.
  29. Сложение матриц в NumPy
  30. Bootle — простой веб-фреймворк
  31. Функция sleep() в Python
  32. Удаление и повторная вставка ключа в OrderedDict
  33. Переименование файлов в Python
  34. Pillow: работа с изображениями
  35. Метод __complex__ в Python
  36. Аннотации типов в Python
  37. Импорт в Python: список all
  38. Создание директории в Python
  39. Поиск повторов в списке
  40. Методы Python для работы с данными
  41. Декораторы в Python
  42. Применение команды break

Marketello читают маркетологи из крутых компаний