Maison > interface Web > tutoriel HTML > le corps du texte

Conseils pratiques pour les tableaux numpy : conversion à partir d'une liste

王林
Libérer: 2024-01-26 08:55:05
original
473 Les gens l'ont consulté

Conseils pratiques pour les tableaux numpy : conversion à partir dune liste

Conseils pratiques pour convertir une liste en tableau numpy, exemples de code spécifiques requis

En Python, NumPy (Numerical Python) est une bibliothèque de calcul scientifique en Python. Il fournit un objet tableau multidimensionnel efficace (ndarray), ainsi que des outils pour des opérations rapides sur les tableaux. En convertissant la liste en tableau NumPy, nous pouvons profiter de la puissance de NumPy pour le traitement et l'analyse des données.

Ci-dessous, nous présenterons plusieurs techniques pratiques pour convertir des listes en tableaux NumPy et donnerons des exemples de code spécifiques.

  1. Utilisez la fonction np.array()

La fonction np.array() est l'une des fonctions les plus couramment utilisées dans NumPy et peut convertir une liste en tableau NumPy. Le paramètre de cette fonction accepte une liste en entrée et renvoie un tableau NumPy correspondant.

Exemple de code :

import numpy as np

my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)
print(my_array)
Copier après la connexion

Résultat de sortie :

[1 2 3 4 5]
Copier après la connexion
Copier après la connexion
Copier après la connexion
Copier après la connexion
  1. Utilisez la fonction np.asarray()

La fonction np.asarray() est similaire à la fonction np.array() et peut convertir une liste en tableau NumPy. Contrairement à np.array(), la fonction np.asarray() conservera autant que possible le type des données d'entrée au lieu de les convertir au type par défaut.

Exemple de code :

import numpy as np

my_list = [1, 2, 3, 4, 5]
my_array = np.asarray(my_list)
print(my_array)
Copier après la connexion

Résultat de sortie :

[1 2 3 4 5]
Copier après la connexion
Copier après la connexion
Copier après la connexion
Copier après la connexion
  1. Utilisez la fonction np.reshape()

np.reshape() pour modifier la forme du tableau NumPy. En convertissant la liste en un tableau unidimensionnel, puis en utilisant la fonction np.reshape() pour modifier la forme, nous pouvons obtenir des tableaux NumPy de différentes dimensions.

Exemple de code :

import numpy as np

my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)
reshaped_array = np.reshape(my_array, (5, 1))
print(reshaped_array)
Copier après la connexion

Résultat de sortie :

[[1]
 [2]
 [3]
 [4]
 [5]]
Copier après la connexion
  1. Utilisez la fonction np.zeros() ou np.ones()

La fonction np.zeros() peut créer un tableau NumPy avec tous les 0 et np.ones La fonction () crée un tableau NumPy de tous les uns. Nous pouvons convertir une liste en tableau NumPy en créant d'abord un tableau NumPy avec uniquement des 0 ou des 1, puis en lui attribuant une valeur.

Exemple de code :

import numpy as np

my_list = [1, 2, 3, 4, 5]
my_array = np.zeros(len(my_list), dtype=int)
for i, item in enumerate(my_list):
    my_array[i] = item
print(my_array)
Copier après la connexion

Résultat de sortie :

[1 2 3 4 5]
Copier après la connexion
Copier après la connexion
Copier après la connexion
Copier après la connexion
  1. Utilisez la fonction np.fromiter()

La fonction np.fromiter() peut créer un tableau NumPy à partir d'un objet itérable (comme une liste). Par rapport à la méthode précédente, la fonction np.fromiter() est plus flexible et peut spécifier le type et la forme lors de la création du tableau.

Exemple de code :

import numpy as np

my_list = [1, 2, 3, 4, 5]
my_array = np.fromiter(my_list, dtype=int)
print(my_array)
Copier après la connexion

Résultat de sortie :

[1 2 3 4 5]
Copier après la connexion
Copier après la connexion
Copier après la connexion
Copier après la connexion

Voici plusieurs techniques pratiques pour convertir une liste en tableau NumPy. J'espère que cela vous sera utile. Les fonctions puissantes de NumPy peuvent améliorer l'efficacité du traitement et de l'analyse des données, et la conversion d'une liste en tableau NumPy est la première étape du traitement et de l'analyse des données. En maîtrisant ces techniques, vous pourrez utiliser NumPy pour le calcul scientifique de manière plus flexible.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Étiquettes associées:
source:php.cn
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal