การสร้างอาร์เรย์และคุณสมบัติ
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size
การสร้างอาร์เรย์และคุณสมบัติ เป็นบทเรียน Learn AI with Python ฟรีบน CoddyKit นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Learn AI with Python และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Learn AI with Python มีบทเรียนทั้งหมด 4 บทเรียน
อาร์เรย์ ndarray
ออบเจ็กต์หลักของ NumPy คือ ndarray ซึ่งเป็นตารางตัวเลขขนาดคงที่และมีชนิดข้อมูลเดียวกัน จัดเก็บไว้ในหน่วยความจำที่ต่อเนื่องกัน รูปแบบการจัดเก็บนี้ทำให้ NumPy ทำงานได้รวดเร็ว
import numpy as np
a = np.array([1, 2, 3, 4])
print(a) # [1 2 3 4]จากรายการซ้อนกัน
ส่งรายการของรายการเพื่อสร้างอาร์เรย์สองมิติ NumPy จะอนุมานรูปร่างจากโครงสร้างให้โดยอัตโนมัติ
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m)
# [[1 2 3]
# [4 5 6]]Zeros และ Ones
np.zeros และ np.ones จะจองพื้นที่ล่วงหน้าสำหรับอาร์เรย์ตามรูปร่างที่กำหนด ซึ่งเป็นวิธีมาตรฐานในการสร้างพื้นที่พักค่าก่อนเติมข้อมูล
print(np.zeros((2, 3))) # 2x3 of 0.0
print(np.ones(4)) # [1. 1. 1. 1.]เมทริกซ์เอกลักษณ์ด้วย eye
np.eye(n) สร้างเมทริกซ์เอกลักษณ์ขนาด n คูณ n โดยมี ones บนเส้นทแยงมุมและ zeros ในตำแหน่งอื่น จำเป็นอย่างยิ่งสำหรับพีชคณิตเชิงเส้น
print(np.eye(3))
# [[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]ช่วงค่าด้วย arange
np.arange(start, stop, step) ทำงานคล้าย range ของ Python แต่ส่งคืนอาร์เรย์และรับค่า step แบบเลขทศนิยมได้
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]ระยะห่างเท่ากันด้วย linspace
np.linspace(start, stop, num) ส่งคืนจุดที่มีระยะห่างเท่ากันจำนวน num จุด โดยรวมปลายทั้งสองด้าน เหมาะอย่างยิ่งสำหรับแกนของกราฟ
print(np.linspace(0, 1, 5)) # [0. 0.25 0.5 0.75 1. ]arange เทียบกับ linspace
ใช้ arange เมื่อทราบระยะก้าว และใช้ linspace เมื่อทราบจำนวนจุด linspace ช่วยหลีกเลี่ยงการคลาดเคลื่อนสะสมของระยะก้าวแบบเลขทศนิยม
# 50 points from 0 to 2*pi for a smooth curve
x = np.linspace(0, 2 * np.pi, 50)รูปร่างและจำนวนมิติ
.shape คือตูเพิลที่ระบุขนาดของแต่ละมิติ ส่วน .ndim คือจำนวนมิติ อาร์เรย์ขนาด 2x3 มีรูปร่างเป็น (2,3) และมี ndim เท่ากับ 2
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m.shape) # (2, 3)
print(m.ndim) # 2ขนาดและชนิดข้อมูล
.size คือจำนวนสมาชิกทั้งหมด ส่วน .dtype คือชนิดข้อมูลของสมาชิก NumPy จะเลือก dtype เชิงตัวเลขที่มีประสิทธิภาพให้โดยอัตโนมัติ
print(m.size) # 6
print(m.dtype) # int64ขนาดสมาชิกและหน่วยความจำ
.itemsize คือขนาดเป็นไบต์ของสมาชิกหนึ่งรายการ คูณค่านี้ด้วย .size เพื่อประมาณพื้นที่หน่วยความจำที่อาร์เรย์ใช้
print(m.itemsize) # 8 (bytes per int64)
print(m.size * m.itemsize) # 48 bytes totalการเลือก dtype
คุณสามารถบังคับ dtype เพื่อประหยัดหน่วยความจำหรือรับประกันความละเอียดได้ float32 ใช้หน่วยความจำน้อยกว่า float64 ครึ่งหนึ่ง
a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype) # float32
print(a.itemsize) # 4ตรวจสอบอย่างรวดเร็ว
ทดสอบความรู้เรื่องการสร้างอาร์เรย์
ทบทวน
เครื่องมือสำหรับสร้างอาร์เรย์:
np.arrayจากรายการ,np.zeros/np.onesสำหรับพื้นที่พักค่า และnp.eyeสำหรับเมทริกซ์เอกลักษณ์np.arangeใช้กำหนดระยะก้าว เทียบกับnp.linspaceที่ใช้กำหนดจำนวนจุด- คุณสมบัติ:
shape,ndim,size,dtype,itemsize
คำถามที่พบบ่อย
บทเรียน “การสร้างอาร์เรย์และคุณสมบัติ” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “การสร้างอาร์เรย์และคุณสมบัติ” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Learn AI with Python ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Learn AI with Python มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “การสร้างอาร์เรย์และคุณสมบัติ”
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size คุณปฏิบัติ Learn AI with Python ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Learn AI with Python หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Learn AI with Python บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน
บทเรียน “การสร้างอาร์เรย์และคุณสมบัติ” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Learn AI with Python นี้ได้ไหม
ได้ บทเรียน Learn AI with Python ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- การสร้างอาร์เรย์และคุณสมบัติ
- การทำดัชนี การหั่นข้อมูล และการทำดัชนีแบบพิเศษ
- การแพร่กระจายรูปร่างและการดำเนินการแบบเวกเตอร์
- พีชคณิตเชิงเส้นด้วย NumPy