Trong bài viết này, bạn sẽ tìm hiểu cách khởi tạo một mảng NumPy trong Python bằng sáu [6] phương thức được sử dụng phổ biến nhất
Lý lịch. NumPy là thư viện cấu trúc dữ liệu dựa trên mảng ấn tượng của Python được sử dụng để thực hiện các phép tính toán học cường độ cao được phổ biến bởi cộng đồng Khoa học dữ liệu và Máy học
Hãy bắt đầu bằng cách tạo và khởi tạo một mảng NumPy
💬 câu hỏi. Chúng ta sẽ khởi tạo một mảng NumPy như thế nào?
Chúng ta có thể hoàn thành nhiệm vụ này bằng một trong các tùy chọn sau
- Phương pháp 1. Sử dụng
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]
0 - Phương pháp 2. Sử dụng
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]
1 - Phương pháp 3. Sử dụng
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]
2 - Phương pháp 4. Sử dụng
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]
3 - Phương pháp 5. Sử dụng
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]
4 - Phương pháp 6. Sử dụng
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]
5 - Thưởng. Khởi tạo một mảng NumPy với dữ liệu CSV
Sự chuẩn bị
Trước khi tiếp tục, vui lòng đảm bảo thư viện NumPy đã được cài đặt trên máy tính. Bấm vào đây nếu bạn cần hướng dẫn
Thêm mã sau vào đầu mỗi tập lệnh. Đoạn mã này sẽ cho phép mã trong bài viết này chạy không có lỗi
import numpy as np
Sau khi nhập thư viện NumPy, chúng tôi có thể tham khảo thư viện này bằng cách gọi mã ngắn [
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]6 được hiển thị ở trên
Phương pháp 1. Sử dụng Mảng NumPy[]
Một cách để khởi tạo mảng NumPy là nhập các giá trị chính xác ở định dạng
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]7. Sau đó chuyển
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]7 này làm đối số cho
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]9
Ví dụ. Mảng 1 chiều
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]
Ví dụ này khởi tạo mảng 1D NumPy [
import numpy as np4] bằng cách sử dụng các giá trị trọng số cho năm [5] phần tử đầu tiên trong Bảng tuần hoàn. Kết quả được lưu vào
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]31và được xuất ra thiết bị đầu cuối
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]32
Ví dụ. Mảng 2 chiều trở lên
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]3
Ví dụ này khởi tạo một mảng 2D NumPy [
import numpy as np4] bằng cách sử dụng các giá trị trọng số cho sáu [6] phần tử đầu tiên trong Bảng tuần hoàn
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]34
Đối với mảng NumPy 2D trở lên, sẽ xảy ra lỗi nếu kích thước không chứa số lượng phần tử bằng nhau
Ví dụ. Vấn đề kích thước chính xác
Vấn đề này có thể được khắc phục bằng cách gói từng kích thước trong một
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]7 và gán
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]36 cho một đối tượng [
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]37]
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]1____138
Hướng dẫn NumPy - Mọi thứ bạn cần biết để bắt đầu
Xem video này trên YouTube
Phương pháp 2. Sử dụng NumPy Zeros[]
Một cách khác để khởi tạo mảng NumPy là gọi
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]1. Điều này tạo ra một mảng mới với hình dạng xác định
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]10 chứa đầy các số 0
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]5
Ở trên,
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]1 được gọi và chuyển một dạng mảng gồm ba [3] cột và hai [2] hàng [
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]12] làm đối số. Kết quả được lưu vào
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]13và được xuất ra thiết bị đầu cuối
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]14
💡Lưu ý. Hình dạng của mảng mới có thể là một số nguyên [2] hoặc một
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]15 số nguyên [3,2]
Phương pháp 3. Sử dụng những cái NumPy[]
Tương tự như Phương pháp 2, cách này khởi tạo một mảng NumPy và gọi _____216. Điều này tạo ra một mảng mới với hình dạng xác định [n,n] chứa đầy những cái
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]2
Ở trên,
import numpy as np6 được gọi và chuyển một dạng mảng gồm ba [3] cột và hai [2] hàng [
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]12] làm đối số. Kết quả được lưu vào
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]19và được xuất ra thiết bị đầu cuối
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]50
Phương pháp 4. Sử dụng NumPy Full[]
Nếu bạn muốn gán cho các phần tử của mảng NumPy một giá trị cụ thể thì sao? . Bạn có thể nhập một giá trị và điền vào mảng với cùng
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]8
Ở trên,
import numpy as np7 được gọi và chuyển một dạng mảng gồm hai [2] cột và bốn [4] hàng [
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]53] làm đối số. Kết quả được lưu vào
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]54và được xuất ra thiết bị đầu cuối
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]55
Phương pháp 5. Sử dụng NumPy trống[]
Nếu bạn không chắc nên sử dụng những giá trị nào để khởi tạo một mảng NumPy, hãy gọi
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]4. Hàm này được truyền vào một hình dạng mảng và trả về số float ngẫu nhiên
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]4
Ở trên,
import numpy as np8 được gọi và chuyển một hình dạng kích thước gồm hai [2] cột và hai [2] hàng [
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]58] làm đối số. Kết quả được lưu vào
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]59và được xuất ra thiết bị đầu cuối
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]20
💡Lưu ý. Như bạn có thể thấy từ đầu ra, trống rỗng không có nghĩa là trống rỗng vì nó tạo và trả về các giá trị float ngẫu nhiên
Phương pháp 6. Sử dụng NumPy arange[]
Để điền một mảng 1D NumPy với các giá trị cách đều nhau, hãy gọi
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]5. Chức năng này được thông qua một vị trí kết thúc [n-1] và bắt đầu từ không [0]
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]0
Ở trên,
import numpy as np8 được gọi và vượt qua vị trí dừng năm [5] làm đối số. Kết quả được lưu vào
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]23và được xuất ra thiết bị đầu cuối
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]24
Thưởng
Đối với phần thưởng của chúng tôi, một [1] cột từ tệp CSV được đọc vào DataFrame. Cột này sau đó được chuyển đổi thành mảng 1D NumPy và xuất ra thiết bị đầu cuối
Để làm theo, hãy nhấp vào đây để tải xuống tệp CSV của Finxter và di chuyển tệp đó vào thư mục làm việc hiện tại trước khi tiếp tục
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]4
Ở trên nhập thư viện
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]25 để cho phép truy cập vào DataFrames. Sau đó, tệp
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]26 được mở và một [1] cột,
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]27, được truy cập. Kết quả lưu vào
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]28
Tiếp theo, nội dung của
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]28 được chuyển đổi thành mảng NumPy bằng cách sử dụng
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]80. Kết quả được xuất ra thiết bị đầu cuối
Đoạn trích
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]81
🌍 Hướng dẫn đề xuất. Làm cách nào để chuyển đổi Pandas DataFrame/Series thành NumPy Array?
Tóm lược
Các phương pháp khởi tạo Mảng NumPy này sẽ cung cấp cho bạn đủ thông tin để chọn phương pháp tốt nhất cho các yêu cầu viết mã của bạn
Chúc may mắn và mã hóa hạnh phúc
lập trình viên
❓ Câu hỏi. Tại sao các lập trình viên luôn trộn lẫn giữa Halloween và Giáng sinh?
❗ Trả lời. Vì ngày 31 tháng 10 bằng ngày 25 tháng 12.
[Nếu bạn không hiểu điều này, hãy đọc các bài viết của chúng tôi về các hàm tích hợp sẵn của Python
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]82 và
one_dim = np.array[[1.008, 6.94, 22.990, 39.098, 85.468]] print[one_dim]83. ]