Numpy Arrays


Начиная

Массивы Numpy - отличная альтернатива спискам Python. Некоторые из ключевых преимуществ массивов Numpy заключаются в том, что они быстрые, с ними легко работать и они дают пользователям возможность выполнять вычисления для целых массивов.

В следующем примере вы сначала создадите два списка Python. Затем вы импортируете пакет numpy и создадите массивы numpy из вновь созданных списков.

# Create 2 new lists height and weight height = [1.87, 1.87, 1.82, 1.91, 1.90, 1.85] weight = [81.65, 97.52, 95.25, 92.98, 86.18, 88.45] # Import the numpy package as np import numpy as np # Create 2 numpy arrays from height and weight np_height = np.array(height) np_weight = np.array(weight)
1
2
3
4
5
6
# Создайте 2 новых списка высоты и веса
высота = [ 1,87 , 1,87 , 1,82 , 1,91 , 1,90 , 1,85 ]
вес = [ 81.65 , 97.52 , 95.25 , 92.98 , 86.18 , 88.45 ]
# Импортируем пакет numpy как np
импортировать numpy как np
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
В 1]:
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
1/0 0/0

Распечатайте тип np_height

print(type(np_height))
1
print ( введите ( np_height ))
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
В 1]:
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
1/0 0/0

Поэлементные расчеты

Теперь мы можем производить поэлементные расчеты роста и веса. Например, вы можете взять все 6 наблюдений за ростом и весом выше и рассчитать ИМТ для каждого наблюдения с помощью одного уравнения. Эти операции очень быстрые и эффективны с точки зрения вычислений. Они особенно полезны, когда в ваших данных есть тысячи наблюдений.

1
2
3
4
5
# Рассчитать bmi
bmi = np_weight / np_height ** 2
# Распечатать результат
печать ( bmi )
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
В 1]:
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
1/0 0/0

Подмножество

Еще одна замечательная особенность массивов Numpy - возможность подмножества. Например, если вы хотите узнать, какие наблюдения в нашем массиве ИМТ превышают 23, мы могли бы быстро подгруппировать его, чтобы узнать.

1
2
3
4
5
# Для логического ответа
bmi > 23
# Вывести только те наблюдения выше 23
bmi [ bmi > 23 ]
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
В 1]:
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
1/0 0/0

Упражнение

Сначала преобразуйте список весов из списка в массив Numpy. Затем преобразуйте все веса из килограммов в фунты. Для преобразования используйте скалярное преобразование 2,2 фунта на килограмм. Наконец, выведите полученный массив весов в фунтах.

1
2
3
4
5
6
7
8
9
10
weight_kg = [ 81,65 , 97,52 , 95,25 , 92,98 , 86,18 , 88
.45 ]
импортировать numpy как np
# Создаем массив numpy np_weight_kg из weight_kg
# Создать np_weight_lbs из np_weight_kg
# Распечатать np_weight_lbs
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
В 1]:
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
1/0 0/0