목록에서 numpy로: 쉬운 변환 방법, 구체적인 코드 예제가 필요함
소개:
과학 컴퓨팅 및 데이터 분석 분야에서 Numpy는 Python에서 가장 중요한 타사 라이브러리 중 하나입니다. Numpy는 효율적인 데이터 구조와 기능을 제공하므로 대규모 배열 및 행렬 작업을 매우 쉽게 처리할 수 있습니다. 실제 작업과 프로젝트에서는 원시 데이터를 Python 목록에서 Numpy 배열로 변환해야 하는 경우가 많습니다. 이 기사에서는 독자가 이러한 전환을 달성하는 데 도움이 되는 몇 가지 간단한 방법을 소개합니다.
방법 1: numpy.array() 함수 사용
가장 일반적인 방법은 Python 목록을 Numpy 배열로 변환할 수 있는 numpy.array() 함수를 사용하는 것입니다. 이 함수의 사용법은 매우 간단합니다. 목록을 매개변수로 전달하기만 하면 됩니다. 다음은 샘플 코드입니다.
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)
출력 결과:
[1 2 3 4 5]
방법 2: numpy.asarray() 함수 사용
numpy.asarray() 함수를 사용하여 목록을 Numpy 배열로 변환할 수도 있습니다. numpy.array() 함수와 달리 numpy.asarray() 함수는 Numpy 배열을 전달할 때 새 배열 복사본을 생성하지 않고 입력 매개변수 자체를 직접 반환합니다. 마찬가지로 다음은 샘플 코드입니다.
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)
출력 결과:
[1 2 3 4 5]
방법 3: numpy.reshape() 함수 사용
Numpy는 numpy.reshape() 함수를 제공합니다. 정렬. 원본 데이터가 다차원 목록인 경우 numpy.reshape() 함수를 사용하여 해당 모양의 Numpy 배열로 변환할 수 있습니다. 다음은 샘플 코드입니다.
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)
출력 결과:
[[1 2 3] [4 5 6] [7 8 9]]
방법 4: numpy.fromiter() 함수 사용
때로는 반복자를 Numpy 배열로 변환해야 할 때가 있습니다. numpy.fromiter() 함수는 이 기능을 달성할 수 있습니다. 다음은 샘플 코드입니다.
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)
출력 결과:
[0 1 2 3 4 5 6 7 8 9]
방법 5: numpy.loadtxt() 함수 사용
마지막으로 원본 데이터가 파일에 저장되어 있으면 numpy.loadtxt() 함수를 사용하여 로드하고 읽고 Numpy 배열로 변환합니다. 다음은 샘플 코드입니다.
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)
출력 결과:
[[1. 2. 3. 4. 5. ] [6. 7. 8. 9. 10.] [11. 12. 13. 14. 15.]]
결론:
이 기사에서는 Python의 목록 개체를 Numpy 배열로 빠르게 변환하는 몇 가지 쉬운 방법을 소개합니다. 이러한 방법은 매우 간단하고 이해하기 쉬우며, 실제 작업과 프로젝트에서 과학적인 계산과 데이터 분석을 위해 Numpy를 보다 편리하게 사용할 수 있도록 도와줍니다. 독자는 실제 필요에 따라 적절한 변환 방법을 선택하고 Numpy 사용법에 대해 자세히 알아볼 수 있습니다.
위 내용은 numpy로 목록: 쉬운 변환 팁의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!