Tạo mảng trống Python

Có nhiều cách để tạo một mảng NumPy trống trong Python. Hãy thảo luận từng phương pháp một với cách tiếp cận phù hợp và một ví dụ về mã hoạt động

quảng cáo

Tạo mảng NumPy trống bằng phương thức trống []

Mô-đun numpy có một phương thức empty[] và nó được sử dụng để tạo các mảng trống. Phương thức này lấy hình dạng và kiểu làm đối số và trả về một mảng mới có hình dạng và kiểu nhất định mà không cần khởi tạo các mục nhập

Cú pháp của phương thức empty[]

numpy.empty[shape, dtype]

• Thông số
  • hình dạng = Hình dạng của mảng trống
  • dtype = Kiểu dữ liệu của các phần tử mảng
• trả lại
  • Trả về một mảng mới có hình dạng và loại nhất định mà không cần khởi tạo các mục nhập

Cách tiếp cận

1. Nhập thư viện numpy
2. Truyền hình dạng của mảng là 0 cho phương thức empty[]
3. Phương thức empty[] sẽ Trả về một mảng mới có hình dạng đã cho
4. in mảng

Mã nguồn

import numpy as np

# Creating a empty array 
arr = np.empty[0]

# printing the empty array
print[arr]
print[arr.size]

đầu ra

[]
0

Tạo mảng NumPy trống bằng phương thức arange[]

Mô-đun numpy có phương thức arange[] và nó được sử dụng để tạo một mảng cách đều nhau trong phạm vi đã cho [bao gồm bắt đầu và không bao gồm điểm dừng]. Phương thức này lấy các giá trị bắt đầu, dừng, bước làm đối số và trả về các giá trị cách đều nhau trong một khoảng thời gian nhất định. Ở đây, bước chỉ định khoảng cách giữa mỗi phần tử nếu mảng

Bây giờ để tạo một mảng trống, hãy chuyển 0 làm đối số cho phương thức arange[]. Điều này sẽ trả về một mảng trống

Cú pháp của phương thức arange[]

numpy.arange[start, stop, step]

• Thông số
  • bắt đầu = Bắt đầu khoảng thời gian. Khoảng bao gồm giá trị này. Giá trị bắt đầu mặc định là 0
  • dừng lại = Kết thúc khoảng thời gian. Khoảng thời gian không bao gồm giá trị này
  • bước = Khoảng cách giữa các giá trị, kích thước bước mặc định là 1
• trả lại
  • Trả về các giá trị cách đều nhau trong một khoảng nhất định

Cách tiếp cận

1. Nhập thư viện numpy
2. chuyển 0 làm đối số cho phương thức arange[]
3. Phương thức arange[] sẽ Trả về một mảng có kích thước bằng không
4. in mảng

Mã nguồn

import numpy as np

# Creating a empty array 
arr = np.arange[0]

# printing the empty array
print["array =", arr]
print["Size of array =", arr.size]

đầu ra

array = []
Size of array = 0

Tạo mảng NumPy trống bằng phương thức random[]

Lớp ngẫu nhiên của mô-đun numpy có phương thức random[] và nó được sử dụng để tạo một mảng ngẫu nhiên có kích thước nhất định. Nó lấy kích thước làm đối số và trả về mảng với số float ngẫu nhiên trong khoảng thời gian nửa mở [0. 0, 1. 0]. Bây giờ để tạo một mảng trống, hãy chuyển 0 làm đối số cho phương thức random[], điều này sẽ trả về một mảng trống

Cú pháp của phương thức random[]

numpy.random.random[size]

• Thông số
  • bắt đầu = Kích thước của mảng
• trả lại
  • Nó trả về một mảng có số float ngẫu nhiên trong khoảng từ 0. 0 và 1. 0

Cách tiếp cận

1. Nhập thư viện numpy
2. chuyển 0 làm đối số cho phương thức random[]
3. Phương thức random[] sẽ Trả về một mảng có kích thước bằng không
4. In mảng

Mã nguồn

import numpy as np

# Creating a empty array 
arr = np.random.random[0]

# printing the empty array
print["array =", arr]
print["Size of array =", arr.size]

đầu ra

array = []
Size of array = 0

Tạo mảng NumPy trống bằng cách sử dụng np. phương thức số không []

Mô-đun numpy có phương thức zeros[] và nó được sử dụng để tạo mảng với các phần tử là số không. Phương thức này có hình dạng và nhập làm đối số và trả về mảng chứa đầy số không. Bây giờ để tạo một mảng trống, hãy chuyển 0 làm đối số cho phương thức zeros[], điều này sẽ trả về một mảng trống

Cú pháp của phương thức zeros[]

numpy.empty[shape, dtype]

• Thông số
  • hình dạng = Hình dạng của mảng trống
  • dtype = Kiểu dữ liệu của các phần tử mảng
• trả lại
  • Nó trả về một mảng số 0 mới với hình dạng và loại đã cho

Cách tiếp cận

1. Nhập thư viện numpy
2. chuyển 0 làm đối số cho phương thức zeros[]
3. Phương thức zeros[] sẽ Trả về một mảng có kích thước bằng không
4. In mảng

Mã nguồn

numpy.empty[shape, dtype]

đầu ra

array = []
Size of array = 0

Tạo mảng NumPy trống bằng cách sử dụng np. phương thức one[]

Mô-đun numpy có phương thức one[] và nó được sử dụng để tạo mảng với các phần tử là đơn vị. Phương thức này có hình dạng và nhập làm đối số và trả về mảng chứa đầy các đối số. Bây giờ để tạo một mảng trống, hãy truyền 0 làm đối số cho phương thức none[], điều này sẽ trả về một mảng trống

Cú pháp của phương thức one[]

numpy.empty[shape, dtype]

• Thông số
  • hình dạng = Hình dạng của mảng trống
  • dtype = Kiểu dữ liệu của các phần tử mảng
• trả lại
  • Trả về một mảng mới với hình dạng và kiểu đã cho

Cách tiếp cận

1. Nhập thư viện numpy
2. chuyển 0 làm đối số cho phương thức []
3. Phương thức những[] sẽ Trả về một mảng có kích thước bằng không
4. in mảng

Mã nguồn

numpy.empty[shape, dtype]

đầu ra

array = []
Size of array = 0

Tạo mảng NumPy trống bằng cách sử dụng np. phương pháp đầy đủ []

Mô-đun numpy có phương thức full[] và nó được sử dụng để tạo mảng với hình dạng và phần tử đã cho. Phương thức này lấy hình dạng và giá trị điền làm đối số và trả về mảng chứa đầy giá trị điền. Bây giờ để tạo một mảng trống, hãy chuyển 0 dưới dạng hình dạng và 0 dưới dạng giá trị điền vào phương thức full[], điều này sẽ trả về một mảng trống

Cú pháp của phương thức full[]

numpy.empty[shape, dtype]

• Thông số
  • hình dạng = Hình dạng của mảng trống
  • fill = Giá trị cần điền vào mảng
• trả lại
  • Trả về một mảng mới có hình dạng và loại đã cho, chứa đầy fill_value

Cách tiếp cận

1. Nhập thư viện numpy
2. chuyển 0,0 làm đối số cho phương thức full[]
3. Phương thức full[] sẽ Trả về một mảng có kích thước bằng không
4. in mảng

Mã nguồn

numpy.empty[shape, dtype]

đầu ra

array = []
Size of array = 0

Bản tóm tắt

Tuyệt quá. bạn đã thực hiện nó. Chúng tôi đã thảo luận về tất cả các phương pháp có thể để tạo một mảng có nhiều mảng trống bằng Python. học tập vui vẻ

Hướng dẫn về Pandas -Tìm hiểu Phân tích dữ liệu với Python

• Hướng dẫn Pandas Phần #1 - Giới thiệu về Phân tích dữ liệu với Python
• Hướng dẫn Pandas Phần #2 - Khái niệm cơ bản về Pandas Series
• Hướng dẫn Pandas Phần #3 - Nhận & Đặt giá trị Chuỗi
• Pandas Tutorial Part #4 - Thuộc tính & phương thức của Pandas Series
• Hướng dẫn về Pandas Phần #5 - Thêm hoặc xóa các thành phần của Pandas Series
• Hướng dẫn về Pandas Phần #6 - Giới thiệu về DataFrame
• Hướng dẫn về Pandas Phần #7 - DataFrame. loc[] - Chọn Hàng/Cột theo Lập chỉ mục
• Hướng dẫn về Pandas Phần #8 - DataFrame. iloc[] - Chọn Hàng/Cột theo Tên nhãn
• Hướng dẫn về gấu trúc Phần #9 - Lọc các hàng trong khung dữ liệu
• Hướng dẫn Pandas Phần #10 - Thêm/Xóa Hàng & Cột DataFrame
• Hướng dẫn về Pandas Phần #11 - Các thuộc tính & phương thức DataFrame
• Hướng dẫn Pandas Phần #12 - Xử lý dữ liệu bị thiếu hoặc giá trị NaN
• Hướng dẫn về Pandas Phần #13 - Lặp lại các Hàng & Cột của DataFrame
• Hướng dẫn Pandas Phần #14 - Sắp xếp DataFrame theo Hàng hoặc Cột
• Hướng dẫn về gấu trúc Phần #15 - Hợp nhất hoặc ghép các khung dữ liệu
• Hướng dẫn về Pandas Phần #16 - DataFrame GroupBy được giải thích bằng các ví dụ

Bạn đang muốn tạo dựng sự nghiệp trong Khoa học dữ liệu với Python?

Khoa học dữ liệu là tương lai và tương lai là ở đây ngay bây giờ. Các nhà khoa học dữ liệu hiện là những chuyên gia được tìm kiếm nhiều nhất hiện nay. Để trở thành một Nhà khoa học dữ liệu giỏi hoặc để chuyển đổi nghề nghiệp trong Khoa học dữ liệu, người ta phải sở hữu bộ kỹ năng phù hợp. Chúng tôi đã tuyển chọn danh sách Chứng chỉ chuyên nghiệp tốt nhất về Khoa học dữ liệu với Python. Các khóa học này sẽ dạy cho bạn các công cụ lập trình cho Khoa học dữ liệu như Pandas, NumPy, Matplotlib, Seaborn và cách sử dụng các thư viện này để triển khai các mô hình Máy học

Hãy nhớ rằng, Khoa học dữ liệu đòi hỏi rất nhiều kiên nhẫn, bền bỉ và thực hành. Vì vậy, hãy bắt đầu học ngay hôm nay