Arrays erstellen und ihre Eigenschaften verstehen
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size.
Arrays erstellen und ihre Eigenschaften verstehen ist eine kostenlose Learn AI with Python-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Learn AI with Python-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Learn AI with Python-Kurs umfasst insgesamt 4 Lektionen.
Das ndarray
Das zentrale Objekt von NumPy ist das ndarray: ein Raster fester Größe mit gleichartigen Zahlen, die in zusammenhängendem Speicher abgelegt sind. Dieses Layout macht NumPy schnell.
import numpy as np
a = np.array([1, 2, 3, 4])
print(a) # [1 2 3 4]Aus verschachtelten Listen
Übergeben Sie eine Liste von Listen, um ein 2D-Array zu erstellen. NumPy leitet die Form aus der Struktur ab.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m)
# [[1 2 3]
# [4 5 6]]Nullen und Einsen
np.zeros und np.ones reservieren Arrays mit einer bestimmten Form vorab. Das ist die übliche Methode, um Platzhalter vor dem Befüllen zu erstellen.
print(np.zeros((2, 3))) # 2x3 of 0.0
print(np.ones(4)) # [1. 1. 1. 1.]Identitätsmatrix mit eye
np.eye(n) erstellt eine n mal n große Identitätsmatrix: Einsen auf der Diagonalen, Nullen an den übrigen Stellen. Unverzichtbar für lineare Algebra.
print(np.eye(3))
# [[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]Bereiche mit arange
np.arange(start, stop, step) funktioniert wie Pythons range, gibt aber ein Array zurück und akzeptiert Gleitkomma-Schrittweiten.
print(np.arange(0, 10, 2)) # [0 2 4 6 8]
print(np.arange(0, 1, 0.25)) # [0. 0.25 0.5 0.75]Gleichmäßige Abstände mit linspace
np.linspace(start, stop, num) gibt num gleichmäßig verteilte Punkte zurück, einschließlich beider Endpunkte. Ideal für die Achsen von Diagrammen.
print(np.linspace(0, 1, 5)) # [0. 0.25 0.5 0.75 1. ]arange vs linspace
Verwenden Sie arange, wenn Sie die Schrittweite kennen, und linspace, wenn Sie die Anzahl der Punkte kennen. linspace vermeidet Abweichungen durch Gleitkomma-Schrittweiten.
# 50 points from 0 to 2*pi for a smooth curve
x = np.linspace(0, 2 * np.pi, 50)shape und ndim
.shape ist ein Tupel mit den Größen der Dimensionen; .ndim ist die Anzahl der Dimensionen. Ein 2x3-Array hat die Form (2,3) und ndim 2.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m.shape) # (2, 3)
print(m.ndim) # 2size und dtype
.size ist die Gesamtzahl der Elemente; .dtype ist der Datentyp der Elemente. NumPy wählt automatisch einen effizienten numerischen dtype.
print(m.size) # 6
print(m.dtype) # int64itemsize und Speicher
.itemsize ist die Byte-Größe eines Elements. Multiplizieren Sie diesen Wert mit .size, um den Speicherbedarf des Arrays zu schätzen.
print(m.itemsize) # 8 (bytes per int64)
print(m.size * m.itemsize) # 48 bytes totaldtype auswählen
Sie können einen dtype erzwingen, um Speicher zu sparen oder die Genauigkeit sicherzustellen. float32 benötigt halb so viel Speicher wie float64.
a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype) # float32
print(a.itemsize) # 4Schnelltest
Testen Sie Ihr Wissen über die Erstellung von Arrays.
Zusammenfassung
Werkzeuge zur Array-Erstellung:
np.arrayaus Listen,np.zeros/np.onesals Platzhalter,np.eyefür Identitätsmatrizennp.arange(nach Schrittweite) vsnp.linspace(nach Anzahl)- Eigenschaften:
shape,ndim,size,dtype,itemsize
Häufig gestellte Fragen
Ist die Lektion „Arrays erstellen und ihre Eigenschaften verstehen“ kostenlos?
Ja — der vollständige Text von „Arrays erstellen und ihre Eigenschaften verstehen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Learn AI with Python-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Learn AI with Python-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Arrays erstellen und ihre Eigenschaften verstehen“?
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size. Du übst Learn AI with Python mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Learn AI with Python zu starten?
Keine Vorkenntnisse erforderlich. Learn AI with Python auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.
Wie lange dauert die Lektion „Arrays erstellen und ihre Eigenschaften verstehen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Learn AI with Python-Lektion Code schreiben und ausführen?
Ja. Jede Learn AI with Python-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Arrays erstellen und ihre Eigenschaften verstehen
- Indexierung, Slicing und Fancy Indexing
- Broadcasting und vektorisierte Operationen
- Lineare Algebra mit NumPy