Phương thức Getsizeof[] từ thư viện sys của Python sẽ cho bạn biết kích thước của một đối tượng Python trong bộ nhớ
import sys x="Australia" y=sys.getsizeof[x] print[y]
đầu ra
58
Kết quả tính bằng byte
Getsizeof[] sẽ cung cấp kích thước của bất kỳ đối tượng Python nào. Đối tượng phạm vi, đối tượng byte, đối tượng đảo ngược, đối tượng danh sách, đối tượng từ điển, danh sách tiếp tục
Trong bài viết này, trước tiên chúng ta sẽ thảo luận về cách tạo một ma trận trống hoặc mảng numpy 2D bằng cách sử dụng numpy. trống [] và sau đó nối các hàng hoặc cột riêng lẻ vào ma trận này bằng cách sử dụng numpy. nối thêm []
Trước khi tiếp tục, chúng ta hãy xem nhanh hai chức năng mà chúng ta sẽ sử dụng trong bài viết này,
cục mịch. trống rỗng[]
numpy.empty[shape, dtype=float, order='C']
Nó chấp nhận hình dạng và kiểu dữ liệu làm đối số. Sau đó trả về một mảng mới có hình dạng và kiểu dữ liệu đã cho nhưng không khởi tạo các mục nhập
quảng cáo
cục mịch. nối thêm []
numpy.append[arr, values, axis=None]
Nó chấp nhận các đối số sau,
- mảng. bản sao của mảng trong đó giá trị cần được thêm vào
- giá trị. mảng cần được thêm vào bất kỳ trục nào, Nó phải có cùng hình dạng với mảng
- trục. Trục dọc theo các giá trị cần được thêm vào. Nối dưới dạng trục hàng là 0, trong khi nối dưới dạng cột là 1
Nó tạo một bản sao của mảng có nhiều mảng đã cho và sau đó nối các giá trị mảng có nhiều mảng vào nó dọc theo trục đã cho. Sau đó, nó trả về mảng mới này i. e. bản sao của mảng nhưng với các giá trị nối thêm
Hãy sử dụng hai hàm này để tạo một mảng Numpy 2D trống và nối các mục vào đó dưới dạng hàng hoặc cột,
Tạo mảng Numpy rỗng và nối thêm hàng
Hãy tạo một mảng Numpy trống với 4 cột hoặc 0 hàng,
# Create an empty Numpy array with 4 columns or 0 rows empty_array = np.empty[[0, 4], int] print['Empty 2D Numpy array:'] print[empty_array]
đầu ra
Empty 2D Numpy array: []
Bây giờ để thêm một hàng mới vào mảng 2D Numpy trống này, chúng ta có thể sử dụng hàm numpy. nối thêm []. Nhưng chúng ta cần chuyển hàng dưới dạng một mảng gọn gàng chỉ có cùng hình dạng và chuyển trục=0, để nó có thể được nối dọc theo cột,
# Append a row to the 2D numpy array empty_array = np.append[empty_array, np.array[[[11, 21, 31, 41]]], axis=0] # Append 2nd rows to the 2D Numpy array empty_array = np.append[empty_array, np.array[[[15, 25, 35, 45]]], axis=0] print['2D Numpy array:'] print[empty_array]
đầu ra
2D Numpy array: [[11 21 31 41] [15 25 35 45]]
Vì mảng NumPy 2D của chúng tôi có 4 cột, do đó, để thêm một hàng mới, chúng tôi cần chuyển hàng này dưới dạng một mảng NumPy 2D riêng biệt có kích thước [1,4] i. e. 1 hàng và 4 cột. Điều quan trọng là chúng ta chuyển hàng để được thêm vào dưới dạng cùng một hình dạng của mảng có nhiều mảng nếu không chúng ta có thể gặp lỗi sau,
Giá trịError. tất cả các mảng đầu vào phải có cùng số thứ nguyên,
Thêm nhiều hàng vào một mảng Numpy 2D trống
Để thêm nhiều hàng vào một mảng 2D NumPy, hãy kết hợp các hàng trong một mảng có nhiều hình dạng giống nhau rồi nối thêm nó,
________số 8_______đầu ra
2D Numpy array: [[11 21 31 41] [15 25 35 45] [16 26 36 46] [17 27 37 47]]
Tạo mảng Numpy rỗng và nối thêm các cột
Hãy tạo một mảng Numpy trống với 4 hàng hoặc 0 cột,
# Create an empty 2D numpy array with 4 rows and 0 column empty_array = np.empty[[4, 0], int] print['Empty 2D Numpy array:'] print[empty_array]
đầu ra
Empty 2D Numpy array: []
Bây giờ để nối thêm một cột mới vào mảng 2D Numpy trống này, chúng ta có thể sử dụng hàm numpy. nối thêm []. Nhưng chúng ta cần chuyển cột dưới dạng một mảng gọn gàng chỉ có cùng hình dạng và đối số axis=1, để nó có thể được nối dọc theo cột
numpy.append[arr, values, axis=None]0
đầu ra
numpy.append[arr, values, axis=None]1
Vì vậy, một cột được thêm vào mảng có nhiều mảng trống. Bây giờ hãy thêm một cột khác,
numpy.append[arr, values, axis=None]2
đầu ra
numpy.append[arr, values, axis=None]3
Ở đây chúng tôi đã thêm 2 cột vào một mảng Numpy 2D trống
Bởi vì mảng có nhiều mảng trống rỗng của chúng ta có 4 hàng & 0 cột, do đó, để thêm một cột mới, chúng ta cần chuyển cột này dưới dạng một mảng có nhiều mảng 2D riêng biệt có kích thước [4,1] i. e. 4 hàng và 1 cột
Điều quan trọng là chúng ta chuyển cột để được thêm vào dưới dạng cùng một hình dạng của mảng có nhiều mảng nếu không chúng ta có thể gặp lỗi sau,
Giá trịError. tất cả các mảng đầu vào phải có cùng số thứ nguyên,
Thêm nhiều cột vào một mảng Numpy 2D trống trong một dòng
Để thêm nhiều cột vào một mảng 2D NumPy, hãy kết hợp các cột trong một mảng có nhiều hình dạng giống nhau rồi nối thêm nó,
loại[]. Hàm Python tích hợp này cho chúng ta biết loại đối tượng được truyền cho nó. Giống như trong đoạn mã trên, nó cho thấy rằng arr
là loại numpy.ndarray
Để tạo một ndarray
, chúng ta có thể chuyển một danh sách, bộ dữ liệu hoặc bất kỳ đối tượng giống mảng nào vào phương thức array[]
và nó sẽ được chuyển đổi thành một ____18_______
Thí dụ
Sử dụng một tuple để tạo một mảng NumPy
nhập numpy dưới dạng np
mảng = np. mảng[[1, 2, 3, 4, 5]]
in [mảng]
Tự mình thử »Kích thước trong Mảng
Một thứ nguyên trong mảng là một cấp độ sâu của mảng [mảng lồng nhau]
mảng lồng nhau. là các mảng có các mảng là phần tử của chúng
Mảng 0-D
Mảng 0-D, hoặc Scalars, là các phần tử trong một mảng. Mỗi giá trị trong một mảng là một mảng 0-D
Thí dụ
Tạo một mảng 0-D với giá trị 42
nhập numpy dưới dạng np
mảng = np. mảng[42]
in [mảng]
Tự mình thử »Mảng 1-D
Mảng có các phần tử là mảng 0-D được gọi là mảng một chiều hoặc mảng 1-D
Đây là những mảng phổ biến và cơ bản nhất
Thí dụ
Tạo mảng 1-D chứa các giá trị 1,2,3,4,5
nhập numpy dưới dạng np
mảng = np. mảng[[1, 2, 3, 4, 5]]
in [mảng]
Tự mình thử »Mảng 2 chiều
Một mảng có các phần tử là mảng 1-D được gọi là mảng 2-D
Chúng thường được sử dụng để biểu diễn ma trận hoặc tenxơ bậc 2
NumPy có toàn bộ mô-đun phụ dành riêng cho hoạt động ma trận được gọi là numpy.mat
Thí dụ
Tạo mảng 2 chiều chứa hai mảng có giá trị 1,2,3 và 4,5,6
nhập numpy dưới dạng np
mảng = np. mảng[[[1, 2, 3], [4, 5, 6]]]
in [mảng]
Tự mình thử »mảng 3 chiều
Một mảng có mảng 2-D [ma trận] làm phần tử của nó được gọi là mảng 3-D
Chúng thường được sử dụng để biểu diễn tensor bậc 3
Thí dụ
Tạo mảng 3-D với hai mảng 2-D, cả hai đều chứa hai mảng có giá trị 1,2,3 và 4,5,6
nhập numpy dưới dạng np
mảng = np. mảng[[[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]]]
in [mảng]
Tự mình thử »Kiểm tra số thứ nguyên?
Mảng NumPy cung cấp thuộc tính ndarray
0 trả về một số nguyên cho chúng ta biết mảng có bao nhiêu kích thước
Thí dụ
Kiểm tra xem mảng có bao nhiêu kích thước
nhập numpy dưới dạng np
một = np. mảng[42]
b = np. mảng[[1, 2, 3, 4, 5]]
c = np. mảng[[[1, 2, 3], [4, 5, 6]]]
d = np. mảng[[[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]]]
in [một. đim]
in [b. đim]
in [c. đim]
in [d. đim]
Mảng chiều cao hơn
Một mảng có thể có bất kỳ số chiều nào
Khi mảng được tạo, bạn có thể xác định số thứ nguyên bằng cách sử dụng đối số ndarray
1
Thí dụ
Tạo một mảng có 5 chiều và xác minh rằng nó có 5 chiều
nhập numpy dưới dạng np
mảng = np. mảng[[1, 2, 3, 4], ndmin=5]
in [mảng]
print['số lượng kích thước. ', mảng. đim]
Trong mảng này chiều trong cùng [dim thứ 5] có 4 phần tử, dim thứ 4 có 1 phần tử là vector, dim thứ 3 có 1 phần tử là ma trận với vector, dim thứ 2 có 1 phần tử là mảng 3D và