Создание массивов и их свойства
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size.
«Создание массивов и их свойства» — бесплатный урок Learn AI with Python на CoddyKit. Это урок 1 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Learn AI with Python, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Learn AI with Python содержит 4 уроков всего.
Массив NumPy
Основной объект NumPy — это массив: сетка чисел фиксированного размера и одного типа, хранящаяся в непрерывной области памяти. Именно такое размещение делает NumPy быстрым.
import numpy as np
a = np.array([1, 2, 3, 4])
print(a) # [1 2 3 4]Создание из вложенных списков
Передайте список списков, чтобы создать двумерный массив. NumPy определит форму по структуре данных.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m)
# [[1 2 3]
# [4 5 6]]Нули и единицы
np.zeros и np.ones заранее выделяют массивы заданной формы. Это стандартный способ создать заготовки перед их заполнением.
print(np.zeros((2, 3))) # 2x3 of 0.0
print(np.ones(4)) # [1. 1. 1. 1.]Единичная матрица с eye
np.eye(n) создаёт единичную матрицу размера n на n: единицы стоят на диагонали, а в остальных позициях — нули. Это незаменимо в линейной алгебре.
print(np.eye(3))
# [[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]Диапазоны с arange
np.arange(start, stop, step) работает подобно функции диапазона в Пайтоне, но возвращает массив и принимает шаг с плавающей запятой.
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]Равномерное распределение с linspace
np.linspace(start, stop, num) возвращает num равномерно распределённых точек, включая оба конца диапазона. Это идеально подходит для построения осей графика.
print(np.linspace(0, 1, 5)) # [0. 0.25 0.5 0.75 1. ]arange и linspace
Используйте arange, когда известен шаг; используйте linspace, когда известно количество точек. linspace предотвращает накопление ошибки шага с плавающей запятой.
# 50 points from 0 to 2*pi for a smooth curve
x = np.linspace(0, 2 * np.pi, 50)Форма и число измерений
.shape — это кортеж размеров измерений, а .ndim — количество измерений. Массив размером 2×3 имеет форму (2,3) и две размерности.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m.shape) # (2, 3)
print(m.ndim) # 2Размер и тип данных
.size — это общее количество элементов, а .dtype — тип данных элемента. NumPy автоматически выбирает эффективный числовой тип.
print(m.size) # 6
print(m.dtype) # int64Размер элемента и память
.itemsize — это размер одного элемента в байтах. Умножьте его на .size, чтобы оценить объём памяти, занимаемый массивом.
print(m.itemsize) # 8 (bytes per int64)
print(m.size * m.itemsize) # 48 bytes totalВыбор типа данных
Вы можете принудительно задать тип данных, чтобы сэкономить память или обеспечить нужную точность. float32 требует вдвое меньше памяти, чем float64.
a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype) # float32
print(a.itemsize) # 4Быстрая проверка
Проверьте свои знания о создании массивов.
Итоги
Инструменты создания массивов:
np.arrayиз списков,np.zeros/np.onesдля заготовок,np.eyeдля единичной матрицыnp.arange(по шагу) иnp.linspace(по количеству точек)- Свойства:
shape,ndim,size,dtype,itemsize
Часто задаваемые вопросы
Урок «Создание массивов и их свойства» бесплатный?
Да — полный текст урока «Создание массивов и их свойства» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Learn AI with Python, подпишись на CoddyKit PRO. Курс Learn AI with Python содержит 4 уроков всего.
Чему я научусь в уроке «Создание массивов и их свойства»?
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size. Ты практикуешь Learn AI with Python с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать Learn AI with Python?
Предыдущий опыт не требуется. Learn AI with Python на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 1 из 4.
Сколько времени занимает урок «Создание массивов и их свойства»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке Learn AI with Python?
Да. Каждый урок Learn AI with Python включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Создание массивов и их свойства
- Индексация, срезы и расширенная индексация
- Распространение и векторизованные операции
- Линейная алгебра с NumPy