Tworzenie tablic i ich właściwości
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size.
Tworzenie tablic i ich właściwości to bezpłatna lekcja Learn AI with Python na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Learn AI with Python, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Learn AI with Python zawiera 4 lekcji w sumie.
Obiekt ndarray
Podstawowym obiektem NumPy jest ndarray: jednorodna tablica liczb o stałym rozmiarze, przechowywana w ciągłym obszarze pamięci. To właśnie taki układ sprawia, że NumPy działa szybko.
import numpy as np
a = np.array([1, 2, 3, 4])
print(a) # [1 2 3 4]Z zagnieżdżonych list
Przekazanie listy list pozwala utworzyć tablicę 2D. NumPy wywnioskuje kształt na podstawie struktury.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m)
# [[1 2 3]
# [4 5 6]]Zera i jedynki
np.zeros i np.ones wstępnie przydzielają tablice o określonym kształcie. To standardowy sposób tworzenia struktur zastępczych przed ich wypełnieniem.
print(np.zeros((2, 3))) # 2x3 of 0.0
print(np.ones(4)) # [1. 1. 1. 1.]Macierz jednostkowa za pomocą eye
np.eye(n) tworzy macierz jednostkową n na n: jedynki znajdują się na przekątnej, a zera poza nią. Jest ona niezbędna w algebrze liniowej.
print(np.eye(3))
# [[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]Przedziały za pomocą arange
np.arange(start, stop, step) działa podobnie jak funkcja range języka Python, ale zwraca tablicę i przyjmuje kroki typu float.
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]Równomierne odstępy za pomocą linspace
np.linspace(start, stop, num) zwraca num równomiernie rozmieszczonych punktów, uwzględniając oba końce przedziału. To idealne rozwiązanie do tworzenia osi wykresów.
print(np.linspace(0, 1, 5)) # [0. 0.25 0.5 0.75 1. ]arange a linspace
Należy użyć arange, gdy znany jest krok, oraz linspace, gdy znana jest liczba punktów. linspace pozwala uniknąć narastania błędu kroku zmiennoprzecinkowego.
# 50 points from 0 to 2*pi for a smooth curve
x = np.linspace(0, 2 * np.pi, 50)shape i ndim
.shape to krotka rozmiarów poszczególnych wymiarów, a .ndim to liczba wymiarów. Tablica 2x3 ma kształt (2,3) i wartość ndim równą 2.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m.shape) # (2, 3)
print(m.ndim) # 2size i dtype
.size to całkowita liczba elementów, a .dtype to typ danych elementów. NumPy automatycznie wybiera wydajny numeryczny dtype.
print(m.size) # 6
print(m.dtype) # int64itemsize i pamięć
.itemsize to rozmiar jednego elementu w bajtach. Pomnożenie tej wartości przez .size pozwala oszacować ilość pamięci zajmowaną przez tablicę.
print(m.itemsize) # 8 (bytes per int64)
print(m.size * m.itemsize) # 48 bytes totalWybór dtype
Można wymusić określony dtype, aby oszczędzać pamięć lub zagwarantować odpowiednią precyzję. float32 zajmuje o połowę mniej pamięci niż float64.
a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype) # float32
print(a.itemsize) # 4Szybkie sprawdzenie
Sprawdź swoją wiedzę o tworzeniu tablic.
Podsumowanie
Narzędzia do tworzenia tablic:
np.arrayz list,np.zeros/np.onesjako struktury zastępcze,np.eyejako macierz jednostkowanp.arangewedług kroku w porównaniu znp.linspacewedług liczby punktów- Właściwości:
shape,ndim,size,dtype,itemsize
Ucz się Python dzięki korepetycjom AI — za darmo
Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.
- Kursy
- 53
- Lekcje
- 225
Często zadawane pytania
Czy lekcja „Tworzenie tablic i ich właściwości” jest bezpłatna?
Tak — pełny tekst „Tworzenie tablic i ich właściwości” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Learn AI with Python, przejdź na CoddyKit PRO. Kurs Learn AI with Python zawiera 4 lekcji w sumie.
Co nauczysz się w „Tworzenie tablic i ich właściwości”?
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size. Ćwiczysz Learn AI with Python z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Learn AI with Python?
Nie wymagamy żadnego doświadczenia. Learn AI with Python w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.
Ile czasu zajmuje lekcja „Tworzenie tablic i ich właściwości”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Learn AI with Python?
Tak. Każda lekcja Learn AI with Python zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Tworzenie tablic i ich właściwości
- Indeksowanie, wycinanie i indeksowanie zaawansowane
- Broadcasting i operacje zwektoryzowane
- Algebra liniowa z NumPy