Arrays maken en eigenschappen bekijken
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size.
Arrays maken en eigenschappen bekijken is een gratis Leer AI met Python-les op CoddyKit. Dit is les 1 van 4. Je kunt 3 lessen uit dit leerpad gratis volledig lezen — daarna ontgrendelt CoddyKit PRO alle lessen, plus praktische oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject Leer AI met Python. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Leer AI met Python bevat in totaal 4 lessen.
De ndarray
Het belangrijkste object van NumPy is de ndarray: een raster met vaste grootte en hetzelfde numerieke type, opgeslagen in aaneengesloten geheugen. Dankzij deze indeling is NumPy snel.
import numpy as np
a = np.array([1, 2, 3, 4])
print(a) # [1 2 3 4]Van geneste lijsten
Geef een lijst met lijsten door om een tweedimensionale array te maken. NumPy leidt de vorm af uit de structuur.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m)
# [[1 2 3]
# [4 5 6]]Nullen en enen
np.zeros en np.ones wijzen vooraf arrays met een bepaalde vorm toe. Dat is de standaardmanier om tijdelijke arrays te maken voordat je ze vult.
print(np.zeros((2, 3))) # 2x3 of 0.0
print(np.ones(4)) # [1. 1. 1. 1.]Eenheidsmatrix met eye
np.eye(n) maakt een eenheidsmatrix van n bij n: enen op de diagonaal en nullen elders. Onmisbaar voor lineaire algebra.
print(np.eye(3))
# [[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]Bereiken met arange
np.arange(start, stop, step) werkt als de range van Python, maar retourneert een array en accepteert stappen met floats.
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]Gelijke tussenruimten met linspace
np.linspace(start, stop, num) retourneert num gelijkmatig verdeelde punten, inclusief beide uiteinden. Perfect voor assen van grafieken.
print(np.linspace(0, 1, 5)) # [0. 0.25 0.5 0.75 1. ]arange versus linspace
Gebruik arange wanneer je de stap kent; gebruik linspace wanneer je het aantal punten kent. linspace voorkomt afwijkingen door stappen met drijvende komma.
# 50 points from 0 to 2*pi for a smooth curve
x = np.linspace(0, 2 * np.pi, 50)Shape en ndim
.shape is een tuple met de afmetingen; .ndim is het aantal dimensies. Een array van 2 bij 3 heeft shape (2,3) en ndim 2.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m.shape) # (2, 3)
print(m.ndim) # 2size en dtype
.size is het totale aantal elementen; .dtype is het gegevenstype van de elementen. NumPy kiest automatisch een efficiënt numeriek dtype.
print(m.size) # 6
print(m.dtype) # int64itemsize en geheugen
.itemsize is de grootte van één element in bytes. Vermenigvuldig deze met .size om het geheugengebruik van de array te schatten.
print(m.itemsize) # 8 (bytes per int64)
print(m.size * m.itemsize) # 48 bytes totalEen dtype kiezen
Je kunt een dtype afdwingen om geheugen te besparen of precisie te garanderen. float32 gebruikt half zoveel geheugen als float64.
a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype) # float32
print(a.itemsize) # 4Korte controle
Test je kennis van arrays maken.
Samenvatting
Gereedschappen voor arrays maken:
np.arrayvanuit lijsten,np.zeros/np.onesvoor tijdelijke arrays,np.eyevoor eenheidsmatricesnp.arange(op basis van stappen) versusnp.linspace(op basis van aantallen)- Eigenschappen:
shape,ndim,size,dtype,itemsize
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 53
- Lessen
- 225
Veelgestelde vragen
Is de les “Arrays maken en eigenschappen bekijken” gratis?
Ja — je kunt hier op het web alle 3 lessen van het leerpad Leer AI met Python, waaronder “Arrays maken en eigenschappen bekijken”, gratis volledig lezen. Daarna ontgrendelt CoddyKit PRO alle lessen, plus interactieve oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. De cursus Leer AI met Python bevat in totaal 4 lessen.
Wat leer ik in “Arrays maken en eigenschappen bekijken”?
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size. Je oefent met Leer AI met Python door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met Leer AI met Python te beginnen?
Ervaring vooraf is niet nodig. Leer AI met Python op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 1 van 4.
Hoe lang duurt de les “Arrays maken en eigenschappen bekijken”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over Leer AI met Python?
Ja. Elke les over Leer AI met Python bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Arrays maken en eigenschappen bekijken
- Indexeren, slicen en fancy indexing
- Broadcasting en gevectoriseerde bewerkingen
- Lineaire algebra met NumPy