Petua praktikal untuk tatasusunan numpy: menukar daripada senarai

王林
Lepaskan: 2024-01-26 08:55:05
asal
464 orang telah melayarinya

Petua praktikal untuk tatasusunan numpy: menukar daripada senarai

Petua praktikal untuk menukar senarai kepada tatasusunan numpy, contoh kod khusus diperlukan

Dalam Python, NumPy (Numerical Python) ialah perpustakaan untuk pengkomputeran saintifik dalam Python. Ia menyediakan objek tatasusunan berbilang dimensi yang cekap (ndarray), serta alat untuk operasi pantas pada tatasusunan. Dengan menukar senarai kepada tatasusunan NumPy, kami boleh memanfaatkan kuasa NumPy untuk pemprosesan dan analisis data.

Di bawah ini kami akan memperkenalkan beberapa teknik praktikal untuk menukar senarai kepada tatasusunan NumPy dan memberikan contoh kod khusus.

  1. Gunakan fungsi np.array()

np.array() fungsi ialah salah satu fungsi yang paling biasa digunakan dalam NumPy, yang boleh menukar senarai kepada tatasusunan NumPy. Parameter fungsi ini menerima senarai sebagai input dan mengembalikan tatasusunan NumPy yang sepadan.

Kod sampel:

import numpy as np

my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)
print(my_array)
Salin selepas log masuk

Hasil keluaran:

[1 2 3 4 5]
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk
  1. Gunakan fungsi np.asarray()

np.asarray() fungsi adalah serupa dengan fungsi np.array() dan boleh menukar senarai. kepada NumPy Tidak seperti np.array(), fungsi np.asarray() akan mengekalkan jenis data input sebanyak mungkin dan bukannya menukarnya kepada dtype lalai.

Kod sampel:

import numpy as np

my_list = [1, 2, 3, 4, 5]
my_array = np.asarray(my_list)
print(my_array)
Salin selepas log masuk

Hasil keluaran:

[1 2 3 4 5]
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk
  1. Gunakan fungsi np.reshape()

np.reshape() untuk menukar bentuk tatasusunan NumPy. Dengan menukar senarai kepada tatasusunan satu dimensi dan kemudian menggunakan fungsi np.reshape() untuk menukar bentuk, kita boleh mendapatkan tatasusunan NumPy dengan dimensi berbeza.

Kod contoh:

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)
Salin selepas log masuk

Hasil keluaran:

[[1]
 [2]
 [3]
 [4]
 [5]]
Salin selepas log masuk
  1. Gunakan fungsi np.zeros() atau np.ones()

np.zeros() fungsi boleh mencipta susunan NumPy dengan semua 0s, dan np.ones Fungsi () mencipta tatasusunan NumPy bagi kesemuanya. Kita boleh menukar senarai kepada tatasusunan NumPy dengan mula-mula mencipta tatasusunan NumPy dengan semua 0s atau 1s, dan kemudian memberikannya nilai.

Contoh kod:

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)
Salin selepas log masuk

Hasil keluaran:

[1 2 3 4 5]
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk
  1. Gunakan fungsi np.fromiter()

np.fromiter() boleh mencipta tatasusunan NumPy daripada objek boleh lelar). Berbanding dengan kaedah sebelumnya, fungsi np.fromiter() adalah lebih fleksibel dan boleh menentukan jenis dan bentuk apabila mencipta tatasusunan.

Contoh kod:

import numpy as np

my_list = [1, 2, 3, 4, 5]
my_array = np.fromiter(my_list, dtype=int)
print(my_array)
Salin selepas log masuk

Hasil keluaran:

[1 2 3 4 5]
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk

Di atas adalah beberapa teknik praktikal untuk menukar senarai kepada tatasusunan NumPy saya harap ia akan membantu anda. Fungsi NumPy yang berkuasa boleh meningkatkan kecekapan pemprosesan dan analisis data, dan menukar senarai kepada tatasusunan NumPy ialah langkah pertama dalam pemprosesan dan analisis data. Dengan menguasai teknik ini, anda akan dapat menggunakan NumPy untuk pengkomputeran saintifik dengan lebih fleksibel.

Atas ialah kandungan terperinci Petua praktikal untuk tatasusunan numpy: menukar daripada senarai. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan
Tentang kita Penafian Sitemap
Laman web PHP Cina:Latihan PHP dalam talian kebajikan awam,Bantu pelajar PHP berkembang dengan cepat!