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

list vers numpy : conseils de conversion faciles

王林
Libérer: 2024-01-26 10:15:19
original
958 Les gens l'ont consulté

list vers numpy : conseils de conversion faciles

De la liste à numpy : méthode de conversion facile, des exemples de code spécifiques sont nécessaires

Introduction :
Dans le domaine du calcul scientifique et de l'analyse de données, Numpy est l'une des bibliothèques tierces les plus importantes en Python. Numpy fournit des structures et des fonctions de données efficaces, ce qui facilite la gestion des opérations sur les tableaux et les matrices à grande échelle. Dans le travail et les projets réels, nous devons souvent convertir les données brutes des listes Python en tableaux Numpy. Cet article présentera quelques méthodes simples pour aider les lecteurs à réaliser cette conversion.

Méthode 1 : utilisez la fonction numpy.array()
La méthode la plus courante consiste à utiliser la fonction numpy.array(), qui peut convertir une liste Python en un tableau Numpy. L'utilisation de cette fonction est très simple, il suffit de passer la liste en paramètre. Voici un exemple de code :

import numpy as np

# 原始数据
my_list = [1, 2, 3, 4, 5]

# 将list转换为numpy数组
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

Méthode 2 : utilisez la fonction numpy.asarray()
Vous pouvez également utiliser la fonction numpy.asarray() pour convertir la liste en un tableau Numpy. Contrairement à la fonction numpy.array(), la fonction numpy.asarray() ne crée pas de nouvelle copie de tableau lors du passage d'un tableau Numpy, mais renvoie directement le paramètre d'entrée lui-même. De même, voici un exemple de code :

import numpy as np

# 原始数据
my_list = [1, 2, 3, 4, 5]

# 将list转换为numpy数组
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

Méthode 3 : utilisez la fonction numpy.reshape()
Numpy fournit la fonction numpy.reshape(), qui peut être utilisée pour modifier la forme du tableau. Si les données d'origine sont une liste multidimensionnelle, elles peuvent être converties en un tableau Numpy de forme correspondante à l'aide de la fonction numpy.reshape(). Voici un exemple de code :

import numpy as np

# 原始数据
my_list = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# 将多维list转换为numpy数组
my_array = np.reshape(my_list, (3, 3))

print(my_array)
Copier après la connexion

Résultat de sortie :

[[1 2 3]
 [4 5 6]
 [7 8 9]]
Copier après la connexion

Méthode 4 : utilisez la fonction numpy.fromiter()
Parfois, nous devons convertir un itérateur en tableau Numpy. La fonction numpy.fromiter() peut réaliser cette fonction. Voici un exemple de code :

import numpy as np

# 原始数据
my_iter = range(10)

# 将迭代器转换为numpy数组
my_array = np.fromiter(my_iter, dtype=np.int)

print(my_array)
Copier après la connexion

Résultat de sortie :

[0 1 2 3 4 5 6 7 8 9]
Copier après la connexion

Méthode cinq : utilisez la fonction numpy.loadtxt()
Enfin, si nos données d'origine sont stockées dans un fichier, nous pouvons utiliser la fonction numpy.loadtxt() pour chargez-le, lisez et convertissez-le en tableau Numpy. Voici un exemple de code :

import numpy as np

# 从文件中读取数据并转换为numpy数组
my_array = np.loadtxt('data.txt')

print(my_array)
Copier après la connexion

Résultat de sortie :

[[1.  2.  3.  4.  5. ]
 [6.  7.  8.  9.  10.]
 [11. 12. 13. 14. 15.]]
Copier après la connexion

Conclusion :
Cet article présente plusieurs méthodes simples pour convertir rapidement des objets de liste en Python en tableaux Numpy. Ces méthodes sont très simples et faciles à comprendre et peuvent nous aider à utiliser Numpy plus facilement pour les calculs scientifiques et l'analyse de données dans le cadre de travaux et de projets réels. Les lecteurs peuvent choisir la méthode de conversion appropriée en fonction de leurs besoins réels et en savoir plus sur l'utilisation de Numpy.

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
À propos de nous Clause de non-responsabilité Sitemap
Site Web PHP chinois:Formation PHP en ligne sur le bien-être public,Aidez les apprenants PHP à grandir rapidement!