Lær AI med Python · leksjon

Opprette arrayer og undersøke egenskaper

np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size.

Leksjon 1 av 413 trinn

Opprette arrayer og undersøke egenskaper er en gratis leksjon i Lær AI med Python på CoddyKit. Dette er leksjon 1 av 4. Du kan lese valgfritt 3 leksjoner fra denne læringsstien gratis i sin helhet – deretter låser CoddyKit PRO opp alle leksjoner, samt praktisk øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Lær AI med Python, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Lær AI med Python inneholder totalt 4 leksjoner.

ndarray

NumPys sentrale objekt er ndarray: et array med fast størrelse og ensartede tall lagret i sammenhengende minne. Denne lagringsmåten er det som gjør NumPy raskt.

import numpy as np
a = np.array([1, 2, 3, 4])
print(a)   # [1 2 3 4]

Fra nøstede lister

Send inn en liste med lister for å bygge et 2D-array. NumPy utleder formen fra strukturen.

m = np.array([[1, 2, 3], [4, 5, 6]])
print(m)
# [[1 2 3]
#  [4 5 6]]

Nuller og ett-tall

np.zeros og np.ones forhåndsallokerer arrayer med en angitt form. Dette er standardmåten å opprette plassholdere på før de fylles ut.

print(np.zeros((2, 3)))   # 2x3 of 0.0
print(np.ones(4))         # [1. 1. 1. 1.]

Identitetsmatrise med eye

np.eye(n) bygger en n × n-identitetsmatrise: ett-tall på diagonalen og nuller ellers. Den er viktig i lineær algebra.

print(np.eye(3))
# [[1. 0. 0.]
#  [0. 1. 0.]
#  [0. 0. 1.]]

Intervaller med arange

np.arange(start, stop, step) fungerer som Pythons range, men returnerer et array og godtar flyttallssteg.

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]

Jevn avstand med linspace

np.linspace(start, stop, num) returnerer num jevnt fordelte punkter, inkludert begge endepunktene. Det er perfekt for akser i plott.

print(np.linspace(0, 1, 5))   # [0.   0.25 0.5  0.75 1.  ]

arange eller linspace

Bruk arange når du kjenner steget, og linspace når du kjenner antallet punkter. linspace unngår avvik som skyldes flyttallssteg.

# 50 points from 0 to 2*pi for a smooth curve
x = np.linspace(0, 2 * np.pi, 50)

Shape og ndim

.shape er en tuppel med størrelsen på hver dimensjon, mens .ndim er antallet dimensjoner. Et 2x3-array har shape (2,3) og ndim 2.

m = np.array([[1, 2, 3], [4, 5, 6]])
print(m.shape)   # (2, 3)
print(m.ndim)    # 2

size og dtype

.size er det totale antallet elementer, mens .dtype er elementenes datatype. NumPy velger automatisk en effektiv numerisk dtype.

print(m.size)    # 6
print(m.dtype)   # int64

itemsize og minne

.itemsize er størrelsen i byte for ett element. Multipliser den med .size for å anslå arrayets minnefotavtrykk.

print(m.itemsize)          # 8 (bytes per int64)
print(m.size * m.itemsize) # 48 bytes total

Velge en dtype

Du kan tvinge frem en dtype for å spare minne eller sikre presisjon. float32 bruker halvparten så mye minne som float64.

a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype)      # float32
print(a.itemsize)   # 4

Hurtigsjekk

Test kunnskapene dine om oppretting av arrayer.

Besvar den i den interaktive leksjonen

Oppsummering

Verktøykasse for oppretting av arrayer:

np.array fra lister, np.zeros/np.ones som plassholdere, np.eye for identitetsmatriser
np.arange (etter steg) sammenlignet med np.linspace (etter antall)
Egenskaper: shape, ndim, size, dtype, itemsize

Gratis å komme i gang

Lær deg Python med en AI-veileder – gratis

Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.

Kurs: 53
Leksjoner: 225

Start læringen gratis Se hele kurset

Ofte stilte spørsmål

Er leksjonen «Opprette arrayer og undersøke egenskaper» gratis?

Ja – du kan lese valgfritt 3 av leksjonene i læringsstien Lær AI med Python, inkludert «Opprette arrayer og undersøke egenskaper», gratis i sin helhet her på nettet. Deretter låser CoddyKit PRO opp alle leksjoner, samt interaktiv øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Kurset i Lær AI med Python inneholder totalt 4 leksjoner.

Hva lærer jeg i «Opprette arrayer og undersøke egenskaper»?

np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size. Du øver på Lær AI med Python med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.

Trenger jeg erfaring for å begynne med Lær AI med Python?

Ingen tidligere erfaring er nødvendig. Lær AI med Python på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 1 av 4.

Hvor lang tid tar leksjonen «Opprette arrayer og undersøke egenskaper»?

De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.

Kan jeg skrive og kjøre kode i denne Lær AI med Python-leksjonen?

Ja. Alle Lær AI med Python-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.

Alle leksjonene i dette kurset

Opprette arrayer og undersøke egenskaper
Indeksering, slicing og avansert indeksering
Broadcasting og vektoriserte operasjoner
Lineær algebra med NumPy

← Tilbake til Lær AI med Python