PythonNumPyFoglio informativo di base
Guida di riferimento rapido per gli arrayNumPy. Impara la creazione di array, il rimodellamento, l'indicizzazione, l'affettamento e le operazioni matematiche.
Creazione e ispezione di array
Metodi per inizializzare array Numpy ed estrarre caratteristiche di forma.
| Metodo/Funzione | Sintassi | Descrizione |
|---|---|---|
| np.array() | np.array(list) | Crea un ndarray multidimensionale omogeneo da un elenco. |
| np.arange() | np.arange(start, stop, step) | Crea una matrice con valori equidistanti all'interno di un determinato intervallo. |
| np.linspace() | np.linspace(start, stop, num) | Crea un array con valori numerici equidistanti su un intervallo specificato. |
| np.zeros() / np.ones() | np.zeros(shape) / np.ones(shape) | Inizializza le matrici riempite con zeri o uno nella forma specificata. |
| shape / dtype | arr.shape / arr.dtype | Attributi che restituiscono dimensioni e tipo di elemento dell'array. |
Manipolazione e matematica degli array
Routine per modificare i layout degli array ed eseguire aggregazioni matematiche.
| Metodo/Funzione | Sintassi | Descrizione |
|---|---|---|
| reshape() | arr.reshape(new_shape) | Dà una nuova forma a un array senza modificarne i dati. |
| arr.T | arr.T | Attributo di trasposizione. Inverte gli assi dell'array. |
| np.concatenate() | np.concatenate((a1, a2), axis=0) | Unisce una sequenza di matrici lungo un asse esistente. |
| mean() / std() | arr.mean() / arr.std() | Calcola la media aritmetica e la deviazione standard. |
| sum() / dot() | arr.sum() / np.dot(a, b) | Somma gli elementi o calcola la moltiplicazione della matrice del prodotto scalare. |
Script dimostrativo interattivo
# np.array()
np.array(list)
# np.arange()
np.arange(start, stop, step)
# np.linspace()
np.linspace(start, stop, num)
# np.zeros() / np.ones()
np.zeros(shape) / np.ones(shape)
# shape / dtype
arr.shape / arr.dtype
# reshape()
arr.reshape(new_shape)
# arr.T
arr.T
# np.concatenate()
np.concatenate((a1, a2), axis=0)
# mean() / std()
arr.mean() / arr.std()
# sum() / dot()
arr.sum() / np.dot(a, b)Domande frequenti
Perché usare gli arrayNumPyinvece degli elenchi Python standard?
Gli arrayNumPysono archiviati in blocchi di memoria contigui, rendendoli significativamente più veloci e più efficienti in termini di memoria per i calcoli numerici.
Cosa viene trasmesso inNumPy?
La trasmissione consente di eseguire operazioni aritmetiche su array di forme diverse, espandendo l'array più piccolo per adattarlo automaticamente alla forma dell'array più grande.
Argomenti correlati
Guida di riferimento per la seriePandase i dataframe. Scopri il caricamento, la pulizia, la selezione, il raggruppamento e le aggregazioni dei dati.
Foglio informativo sulle funzioni del modulo matematico PythonGuida di riferimento rapido per la libreria standard matematica di Python. Impara come utilizzare le funzioni trigonometriche, logaritmiche, di arrotondamento e aritmetiche.
Foglio informativo sulle funzioni integrate di PythonGuida di riferimento alle funzioni integrate di Python. Scopri come utilizzare stampa, lente, intervallo, enumerazione, zip, mappa, filtro e altro ancora.
Risorse Python consigliate
Espandi le tue conoscenze con tutorial interattivi, foglietti illustrativi e confronti di codici correlati.
Cicli Python
Scopri come utilizzare i loop Python per eseguire iterazioni sui dati. Padroneggia le best practice sui cicli for, while, interruzione, continua e loop con esempi interattivi.
Come ordinare un elenco in Python
Scopri come ordinare un elenco in Python utilizzando il metodo sort() e la funzione sorted(). Scopri l'ordinamento delle chiavi personalizzato e gli esempi di ordine inverso.
Python vs JavaScript: quale linguaggio di programmazione è il migliore?
Un confronto completo tra Python e JavaScript. Esplora le differenze di sintassi, le prestazioni, i casi d'uso (backend e frontend) ed esempi di codifica.