Mảng là một cấu trúc dữ liệu tuyến tính bao gồm danh sách các phần tử. Trong phần này, chúng ta sẽ nói cụ thể về mảng 2D. Mảng 2D có thể được định nghĩa là mảng của một mảng. Mảng 2D còn được gọi là Ma trận có thể được biểu diễn dưới dạng tập hợp các hàng và cột
Trong bài viết này, chúng ta đã khám phá mảng 2D trong Numpy trong Python
Numpy là một thư viện trong Python bổ sung hỗ trợ cho các mảng và ma trận lớn đa chiều cùng với các hàm toán học cấp cao để vận hành các mảng này
Trong bài viết này, chúng ta sẽ thảo luận về cách tạo Mảng Numpy từ một chuỗi như danh sách hoặc bộ dữ liệu, v.v. Ngoài ra, cách tạo Mảng Numpy 2D gọn gàng từ chuỗi lồng nhau như danh sách danh sách
np. array[] – Tạo Mảng Numpy 1D/2D từ danh sách & bộ dữ liệu trong PythonĐể cài đặt mô-đun numpy của python trên hệ thống của bạn, hãy sử dụng lệnh sau,
pip install numpy
Để sử dụng mô-đun numpy, chúng ta cần nhập nó vào. e
import numpy as np
cục mịch. mảng[]
Mô-đun Numpy của Python cung cấp chức năng numpy. array[] để tạo Mảng Numpy từ một mảng khác như đối tượng trong python như danh sách hoặc tuple, v.v. hoặc bất kỳ chuỗi lồng nhau nào như danh sách danh sách,
numpy.array[object, dtype=None, copy=True, order='K', subok=False, ndmin=0]
Tranh luận.
- đối tượng là một mảng như đối tượng i. e. danh sách hoặc bộ dữ liệu hoặc bất kỳ chuỗi lồng nhau nào như danh sách danh sách
- gõ. [Tùy chọn] Kiểu dữ liệu của các phần tử
- Các tham số khác là tùy chọn và có giá trị mặc định
trả lại
- Nó trả về một mảng Numpy
Hãy sử dụng numpy này. array[] để tạo các đối tượng Numpy Array,
Tạo Mảng Numpy từ danh sách
Để tạo một Mảng Numpy từ danh sách, chỉ cần chuyển đối tượng danh sách sang numpy. mảng[] tôi. e
# Create ndArray from a list npArray = np.array[[1,2,3,4,5,6,7,8,9]] print['Contents of the ndArray : '] print[npArray]
đầu ra
[1 2 3 4 5 6 7 8 9]
Đọc thêm,
- Làm cách nào để chuyển đổi một mảng NumPy thành một danh sách trong python?
- Làm cách nào để chuyển đổi mảng 2D NumPy thành danh sách các danh sách trong python?
- Làm cách nào để chuyển đổi Mảng 2D thành Mảng 1D?
- Làm cách nào để chuyển đổi mảng 1D thành mảng 2D trong python?
Tạo Mảng Numpy từ một Tuple
Tương tự như ví dụ trên, chúng ta có thể chuyển trực tiếp tuple tới numpy. array[] để tạo đối tượng Numpy Array,
# Create ndArray from a tuple npArray = np.array[ [11,22,33,44,55,66,77,88 ] ] print['Contents of the ndArray : '] print[npArray]
đầu ra
Contents of the ndArray : [11 22 33 44 55 66 77 88]
truy vấn liên quan
- Làm cách nào để tạo một mảng NumPy từ một dãy số?
- Làm cách nào để tạo Mảng NumPy gồm các số không [0]?
- Làm cách nào để tạo Mảng Numpy gồm những cái [1]?
Kiểm tra loại đối tượng Numpy Array
Chúng ta cũng có thể kiểm tra loại của Mảng Numpy đã tạo bằng cách sử dụng hàm type[] i. e
type[npArrObject]
Ví dụ
________số 8đầu ra
<class 'numpy.ndarray'>
Kiểm tra kiểu dữ liệu của các phần tử trong Numpy Array
Mảng Numpy Mảng Numpy có một biến thành viên cho biết về kiểu dữ liệu của các phần tử trong nó. e. ndarray. gõ
Chúng tôi đã tạo Mảng Numpy từ danh sách hoặc bộ. Trong khi tạo numpy. mảng [] sẽ suy ra kiểu dữ liệu của các phần tử dựa trên đầu vào được truyền.
Nhưng chúng ta có thể kiểm tra kiểu dữ liệu của các phần tử Mảng Numpy i. e.
import numpy as np0
đầu ra
import numpy as np1
Tạo 2D Numpy Array từ danh sách danh sách
Giả sử chúng ta muốn tạo Mảng Numpy 2D giống như Ma trận, chúng ta có thể làm điều đó bằng cách chuyển một chuỗi lồng nhau trong numpy. mảng[] tôi. e. danh sách danh sách.
Ví dụ:
import numpy as np2
đầu ra
import numpy as np3
Tạo Mảng Numpy 1D từ danh sách danh sách
Khi chuyển danh sách danh sách sang numpy. array[] sẽ tạo Mảng Numpy 2D theo mặc định. Nhưng nếu chúng ta muốn tạo một mảng numpy 1D từ danh sách của danh sách thì chúng ta cần hợp nhất các danh sách thành một danh sách và sau đó chuyển nó sang numpy. mảng[] tôi. e
import numpy as np4
đầu ra
import numpy as np5
Tạo một Mảng Numpy từ một danh sách có kiểu dữ liệu khác
Chúng ta cũng có thể chuyển dtype làm tham số trong numpy. mảng[]. Trong trường hợp đó numpy. mảng [] sẽ không suy ra kiểu dữ liệu từ các phần tử được truyền, nó chuyển đổi chúng thành kiểu dữ liệu được truyền
An là một thùng chứa đa chiều [thường có kích thước cố định] chứa các mặt hàng cùng loại và kích thước. Số lượng kích thước và mục trong một mảng được xác định bởi nó, là một trong N số nguyên không âm chỉ định kích thước của từng kích thước. Loại mục trong mảng được chỉ định bởi một mục riêng biệt, một trong số đó được liên kết với mỗi ndarray
Như với các đối tượng vùng chứa khác trong Python, nội dung của an có thể được truy cập và sửa đổi bởi mảng [ví dụ: sử dụng N số nguyên] và thông qua các phương thức và thuộc tính của
Khác nhau có thể chia sẻ cùng một dữ liệu, do đó những thay đổi được thực hiện trong một dữ liệu có thể hiển thị trong dữ liệu khác. Nghĩa là, một ndarray có thể là một “khung nhìn” đối với một ndarray khác và dữ liệu mà nó đang đề cập đến được xử lý bởi ndarray “cơ sở”. ndarrays cũng có thể là dạng xem đối với bộ nhớ thuộc sở hữu của Python hoặc đối tượng triển khai
import numpy as np63 hoặc giao diện
Ví dụ
Mảng 2 chiều có kích thước 2 x 3, bao gồm các phần tử số nguyên 4 byte
import numpy as np7
Mảng có thể được lập chỉ mục bằng cú pháp giống như bộ chứa Python
import numpy as np6
Ví dụ: có thể tạo các khung nhìn của mảng
import numpy as np9
xây dựng mảng
Các mảng mới có thể được tạo bằng cách sử dụng các quy trình được nêu chi tiết trong và cũng bằng cách sử dụng hàm tạo cấp thấp
[hình dạng [, dtype, buffer, offset,. ]]
Một đối tượng mảng đại diện cho một mảng đa chiều, đồng nhất của các mục có kích thước cố định
Mảng lập chỉ mục
Mảng có thể được lập chỉ mục bằng cách sử dụng cú pháp cắt Python mở rộng,
import numpy as np66. Cú pháp tương tự cũng được sử dụng để truy cập các trường trong một
Xem thêm
.
Bố cục bộ nhớ trong của một ndarray
Một thể hiện của lớp bao gồm một phân đoạn bộ nhớ máy tính một chiều liền kề [thuộc sở hữu của mảng hoặc bởi một số đối tượng khác], được kết hợp với sơ đồ lập chỉ mục ánh xạ N số nguyên vào vị trí của một mục trong khối. Phạm vi mà các chỉ số có thể thay đổi được chỉ định bởi mảng. Mỗi mục chiếm bao nhiêu byte và cách diễn giải các byte được xác định bởi liên kết với mảng
Một đoạn bộ nhớ vốn dĩ là 1 chiều và có nhiều lược đồ khác nhau để sắp xếp các phần tử của mảng N chiều trong khối 1 chiều. NumPy rất linh hoạt và các đối tượng có thể chứa bất kỳ sơ đồ lập chỉ mục theo cấp độ nào. Trong lược đồ phân tầng, chỉ số N chiều \[[n_0, n_1,. , n_{N-1}]\] tương ứng với phần bù [tính bằng byte].
\[n_{\mathrm{offset}} = \sum_{k=0}^{N-1} s_k n_k\]
từ đầu khối nhớ liên kết với mảng. Ở đây, \[s_k\] là các số nguyên xác định giá trị của mảng. Các sơ đồ thứ tự [được sử dụng, ví dụ, trong ngôn ngữ Fortran và Matlab] và thứ tự [được sử dụng trong C] chỉ là các loại lược đồ theo từng bước cụ thể và tương ứng với bộ nhớ có thể được xử lý theo các bước.
\[s_k^{\mathrm{column}} = \mathrm{itemsize} \prod_{j=0}^{k-1} d_j , \quad s_k^{\mathrm{row}} = \mathrm{itemsize} \ . \]
where \[d_j\] = self. hình dạng[j].
Cả hai lệnh C và Fortran đều là , i. e. , bố trí bộ nhớ đơn đoạn, trong đó mọi phần của khối bộ nhớ có thể được truy cập bằng một số kết hợp của các chỉ số
Ghi chú
Mảng liền kề và mảng đơn đoạn đồng nghĩa và được sử dụng thay thế cho nhau trong toàn bộ tài liệu
Mặc dù mảng liền kề kiểu C và kiểu Fortran, có các cờ tương ứng được đặt, có thể được giải quyết bằng các bước trên, các bước thực tế có thể khác. Điều này có thể xảy ra trong hai trường hợp
Nếu
import numpy as np91 thì đối với bất kỳ chỉ số pháp lý nàoimport numpy as np92. Điều này có nghĩa là trong công thức cho phần bù \[n_k = 0\] và do đó \[s_k n_k = . sải chân [k] là tùy ý. and the value of \[s_k\] = self.strides[k] is arbitrary.Nếu một mảng không có phần tử [
import numpy as np93] thì không có chỉ mục hợp lệ và các bước không bao giờ được sử dụng. Bất kỳ mảng nào không có phần tử nào có thể được coi là liền kề kiểu C và kiểu Fortran
Điểm 1. có nghĩa là
import numpy as np94 và
import numpy as np95 luôn có cùng giá trị cờ tiếp giáp và
import numpy as np96. Điều này cũng có nghĩa là ngay cả một mảng chiều cao cũng có thể là kiểu C và kiểu Fortran liền kề nhau cùng một lúc
Một mảng được coi là căn chỉnh nếu độ lệch bộ nhớ cho tất cả các phần tử và chính độ lệch cơ sở là bội số của chính nó. kích thước mục. Hiểu về căn chỉnh bộ nhớ dẫn đến hiệu suất tốt hơn trên hầu hết các phần cứng
Cảnh báo
Nó thường không cho rằng
import numpy as np97 đối với mảng liền kề kiểu C hoặc
import numpy as np98 đối với mảng liền kề kiểu Fortran là đúng
import numpy as np99 có thể được sử dụng để giúp tìm lỗi khi dựa không chính xác vào các bước trong mã tiện ích mở rộng C [xem cảnh báo bên dưới]
Dữ liệu trong new theo thứ tự [C], trừ khi được chỉ định khác, nhưng, chẳng hạn, thường tạo ra theo một sơ đồ khác
Ghi chú
Một số thuật toán trong NumPy hoạt động trên các mảng được sắp xếp tùy ý. Tuy nhiên, một số thuật toán yêu cầu mảng đơn đoạn. Khi một mảng có cấu trúc không đều được chuyển vào các thuật toán như vậy, một bản sao sẽ tự động được tạo
Thuộc tính mảng
Các thuộc tính của mảng phản ánh thông tin nội tại của chính mảng đó. Nói chung, việc truy cập một mảng thông qua các thuộc tính của nó cho phép bạn lấy và đôi khi đặt các thuộc tính nội tại của mảng mà không cần tạo một mảng mới. Các thuộc tính được hiển thị là các phần cốt lõi của một mảng và chỉ một số trong số chúng có thể được đặt lại một cách có ý nghĩa mà không cần tạo một mảng mới. Thông tin về mỗi thuộc tính được đưa ra dưới đây
bố trí bộ nhớ
Các thuộc tính sau chứa thông tin về cách bố trí bộ nhớ của mảng
Thông tin về cách bố trí bộ nhớ của mảng
Bộ kích thước mảng
Tuple byte để bước vào mỗi chiều khi duyệt qua một mảng
Số kích thước mảng
Đối tượng bộ đệm Python trỏ đến đầu dữ liệu của mảng
Số phần tử trong mảng
Độ dài của một phần tử mảng theo byte
Tổng số byte được sử dụng bởi các phần tử của mảng
Đối tượng cơ sở nếu bộ nhớ là từ một số đối tượng khác
Loại dữ liệu
Xem thêm
Đối tượng kiểu dữ liệu được liên kết với mảng có thể được tìm thấy trong thuộc tính
Kiểu dữ liệu của các phần tử trong mảng
thuộc tính khác
Chế độ xem mảng được chuyển đổi
Phần thực của mảng
Phần ảo của mảng
Trình lặp 1-D trên mảng
Giao diện mảng
Xem thêm
.
Phía Python của giao diện mảng
Mặt C của giao diện mảng
giao diện chức năng nước ngoài
Một đối tượng để đơn giản hóa sự tương tác của mảng với mô-đun ctypes
Phương pháp mảng
Một đối tượng có nhiều phương thức hoạt động trên hoặc với mảng theo một cách nào đó, thường trả về một kết quả mảng. Những phương pháp này được giải thích ngắn gọn dưới đây. [Mỗi chuỗi tài liệu của phương pháp có một mô tả đầy đủ hơn. ]
Đối với các phương pháp sau đây cũng có các chức năng tương ứng trong. , , , , , , , , , , , , , , , , , , , , , , , , , , ,
Chuyển đổi mảng
[* lập luận]
Sao chép một phần tử của một mảng sang một đại lượng Python tiêu chuẩn và trả về nó
[]
Trả về mảng dưới dạng danh sách vô hướng Python được lồng sâu cấp độ
Contents of the ndArray : [11 22 33 44 55 66 77 88]91
[* lập luận]
Chèn vô hướng vào một mảng [vô hướng được chuyển thành dtype của mảng, nếu có thể]
[[trật tự]]
Bí danh tương thích cho tobyte, với cùng một hành vi
[[trật tự]]
Xây dựng các byte Python chứa các byte dữ liệu thô trong mảng
[fid[, sep, format]]
Ghi mảng vào tệp dưới dạng văn bản hoặc nhị phân [mặc định]
[tập tin]
Kết xuất một mảng của mảng vào tệp đã chỉ định
[]
Trả về dưa của mảng dưới dạng một chuỗi
[dtype[, thứ tự, truyền,. ]]
Bản sao của mảng, chuyển sang một loại được chỉ định
[[tại chỗ]]
Hoán đổi byte của các phần tử mảng
[[trật tự]]
Trả về một bản sao của mảng
[[dtype][, type]]
Chế độ xem mới của mảng có cùng dữ liệu
[dtype[, offset]]
Trả về một trường của mảng đã cho dưới dạng một loại nhất định
[[viết, căn chỉnh, uic]]
Đặt cờ mảng lần lượt là WRITEABLE, ALIGNED, WRITEBACKIFCOPY
[giá trị]
Điền vào mảng với một giá trị vô hướng
Thao tác hình dạng
Để thay đổi hình dạng, thay đổi kích thước và chuyển đổi, đối số bộ đơn lẻ có thể được thay thế bằng số nguyên
import numpy as np605 sẽ được hiểu là n-tuple
[hình dạng[, thứ tự]]
Trả về một mảng chứa cùng dữ liệu với hình dạng mới
[new_shape[, kiểm tra lại]]
Thay đổi hình dạng và kích thước của mảng tại chỗ
[*trục]
Trả về dạng xem của mảng với các trục được chuyển đổi
[trục1, trục2]
Trả về dạng xem của mảng với trục1 và trục2 được hoán đổi cho nhau
[[trật tự]]
Trả về một bản sao của mảng được thu gọn thành một chiều
[[trật tự]]
Trả về một mảng phẳng
[[trục]]
Loại bỏ các trục có độ dài một từ một
Lựa chọn và thao tác mục
Đối với các phương thức mảng lấy từ khóa trục, nó mặc định là Không có. Nếu trục là Không, thì mảng được coi là mảng 1-D. Bất kỳ giá trị nào khác cho trục đại diện cho thứ nguyên mà thao tác sẽ tiến hành
[chỉ số[, trục, ngoài, chế độ]]
Trả về một mảng được hình thành từ các phần tử của a tại các chỉ số đã cho
[chỉ số, giá trị[, chế độ]]
Đặt
import numpy as np615 cho tất cả n trong chỉ số
[lặp lại [, trục]]
Lặp lại các phần tử của một mảng
[lựa chọn[, ngoài, chế độ]]
Sử dụng một mảng chỉ mục để xây dựng một mảng mới từ một tập hợp các lựa chọn
[[trục, loại, thứ tự]]
Sắp xếp một mảng tại chỗ
[[trục, loại, thứ tự]]
Trả về các chỉ số sẽ sắp xếp mảng này
[kth[, trục, loại, thứ tự]]
Sắp xếp lại các phần tử trong mảng sao cho giá trị của phần tử ở vị trí thứ k bằng vị trí của nó trong một mảng đã sắp xếp
[kth[, trục, loại, thứ tự]]
Trả về các chỉ số sẽ phân vùng mảng này
[v[, bên, bộ phân loại]]
Tìm các chỉ số nơi các phần tử của v nên được chèn vào để duy trì trật tự
[]
Trả về các chỉ số của các phần tử khác không
[điều kiện[, trục, ngoài]]
Trả về các lát đã chọn của mảng này dọc theo trục đã cho
[[độ lệch, trục1, trục2]]
Trả về các đường chéo đã chỉ định
Phép tính
Nhiều phương thức trong số này lấy một đối số có tên là trục. Trong trường hợp này,
Nếu trục là Không có [mặc định], mảng được coi là mảng 1-D và thao tác được thực hiện trên toàn bộ mảng. Hành vi này cũng là mặc định nếu self là mảng 0 chiều hoặc mảng vô hướng. [Một mảng vô hướng là một thể hiện của các kiểu/lớp float32, float64, v.v. , trong khi mảng 0 chiều là một cá thể ndarray chứa chính xác một mảng vô hướng. ]
Nếu trục là một số nguyên, thì thao tác được thực hiện trên trục đã cho [đối với mỗi mảng con 1-D có thể được tạo dọc theo trục đã cho]
Ví dụ về đối số trục
Mảng 3 chiều có kích thước 3 x 3 x 3, tính tổng trên mỗi trục trong ba trục của nó
# Create ndArray from a list npArray = np.array[[1,2,3,4,5,6,7,8,9]] print['Contents of the ndArray : '] print[npArray]2
Tham số dtype chỉ định loại dữ liệu mà thao tác rút gọn [như tính tổng] sẽ diễn ra. Kiểu dữ liệu giảm mặc định giống với kiểu dữ liệu của self. Để tránh tràn, có thể hữu ích khi thực hiện giảm bằng cách sử dụng loại dữ liệu lớn hơn
Đối với một số phương thức, một đối số out tùy chọn cũng có thể được cung cấp và kết quả sẽ được đặt vào mảng đầu ra đã cho. Đối số out phải là một và có cùng số phần tử. Nó có thể có một loại dữ liệu khác trong trường hợp truyền dữ liệu sẽ được thực hiện
[[trục, ra, keepdim, ban đầu,. ]]
Trả về giá trị lớn nhất dọc theo một trục đã cho
[[trục, ra, giữ độ mờ]]
Trả về chỉ số của các giá trị lớn nhất dọc theo trục đã cho
[[trục, ra, keepdim, ban đầu,. ]]
Trả về mức tối thiểu dọc theo một trục nhất định
[[trục, ra, giữ độ mờ]]
Trả về chỉ số của các giá trị tối thiểu dọc theo trục đã cho
[[trục, ra, giữ độ mờ]]
Giá trị cực đại đến cực đại [tối đa - tối thiểu] dọc theo một trục nhất định
[[tối thiểu, tối đa, hết]]
Trả về một mảng có giá trị giới hạn ở
import numpy as np633
[]
Phức hợp-liên hợp tất cả các phần tử
[[số thập phân, ra]]
Trả về a với mỗi phần tử được làm tròn đến số thập phân đã cho
[[offset, axis1, axis2, dtype, out]]
Trả về tổng dọc theo các đường chéo của mảng
[[axis, dtype, out, keepdims,. ]]
Trả về tổng của các phần tử mảng trên trục đã cho
[[axis, dtype, out]]
Trả về tổng tích lũy của các phần tử dọc theo trục đã cho
[[axis, dtype, out, keepdims, where]]
Trả về giá trị trung bình của các phần tử mảng dọc theo trục đã cho
[[trục, dtype, ra, ddof,. ]]
Trả về phương sai của các phần tử mảng, dọc theo trục đã cho
[[trục, dtype, ra, ddof,. ]]
Trả về độ lệch chuẩn của các phần tử mảng dọc theo trục đã cho
[[axis, dtype, out, keepdims,. ]]
Trả về tích của các phần tử mảng trên trục đã cho
[[axis, dtype, out]]
Trả về tích lũy của các phần tử dọc theo trục đã cho
[[trục, ngoài, giữ độ mờ, ở đâu]]
Trả về True nếu tất cả các phần tử đánh giá là True
[[trục, ngoài, giữ độ mờ, ở đâu]]
Trả về True nếu bất kỳ phần tử nào của một đánh giá là True
Các phép toán số học, nhân ma trận và so sánh
Các phép toán số học và so sánh trên được định nghĩa là các phép toán theo phần tử và thường mang lại các đối tượng dưới dạng kết quả
Mỗi phép toán số học [
import numpy as np648,
import numpy as np649,
import numpy as np650,
import numpy as np651,
import numpy as np652,
import numpy as np653,
import numpy as np654,
import numpy as np655 hoặc
import numpy as np656,
import numpy as np657,
import numpy as np658,
import numpy as np659,
import numpy as np660,
import numpy as np661,
import numpy as np662] và phép so sánh [
import numpy as np663,
import numpy as np658,
import numpy as np659,
import numpy as np660,
import numpy as np661,
import numpy as np662] và phép so sánh [
import numpy as np663,
import numpy as np658,
import numpy as np659,
import numpy as np660,
import numpy as np661,
import numpy as np662,
import numpy as np. Để biết thêm thông tin, xem phần trên
Toán tử so sánh
[giá trị, /]
Tự trả về =giá trị
[giá trị, /]
Tự trả lại == giá trị
[giá trị, /]
trở lại chính mình. = giá trị
Giá trị thực của một mảng []
[/]
Đúng nếu tự khác Sai
Ghi chú
Kiểm tra giá trị thực của một mảng gọi, sẽ phát sinh lỗi nếu số lượng phần tử trong mảng lớn hơn 1, vì giá trị thực của các mảng đó không rõ ràng. Sử dụng và thay vào đó để rõ ràng về ý nghĩa trong những trường hợp như vậy. [Nếu số phần tử là 0 thì mảng có giá trị là
import numpy as np680. ]
phép toán một ngôi
[/]
-bản thân
[/]
+bản thân
[bản thân]
[/]
~ bản thân
Môn số học
[giá trị, /]
Trả về bản thân + giá trị
[giá trị, /]
Trả lại giá trị bản thân
[giá trị, /]
Trả về giá trị tự *
[giá trị, /]
Trả về bản thân/giá trị
[giá trị, /]
Trả về bản thân // giá trị
[giá trị, /]
Tự trả lại %giá trị
[giá trị, /]
Trả về divmod[bản thân, giá trị]
[giá trị[, mod]]
Trả về pow[bản thân, giá trị, mod]
[giá trị, /]
Tự trả lại giá trị giá trị
[giá trị, /]
Trả lại bản thân & giá trị
[giá trị, /]
trở lại chính mình. giá trị
[giá trị, /]
Trả về self^value
Ghi chú
Bất kỳ đối số thứ ba nào được âm thầm bỏ qua, vì bên dưới chỉ có hai đối số
Vì là một kiểu dựng sẵn [được viết bằng C], các phương thức đặc biệt của
import numpy as np
901 không được định nghĩa trực tiếpCác hàm được gọi để thực hiện nhiều phương thức số học đặc biệt cho mảng có thể được sửa đổi bằng cách sử dụng
Số học, tại chỗ
[giá trị, /]
Tự trả về+=giá trị
[giá trị, /]
Trả về self-=giá trị
[giá trị, /]
Tự trả về*=giá trị
[giá trị, /]
Tự trả về/=giá trị
[giá trị, /]
Tự trả về //=giá trị
[giá trị, /]
Tự trả lại %=giá trị
[giá trị, /]
Tự trả về**=giá trị
[giá trị, /]
Tự trả về =giá trị
[giá trị, /]
Tự trả lại&=giá trị
[giá trị, /]
trở lại chính mình. = giá trị
[giá trị, /]
Tự trả về^=giá trị
Cảnh báo
Các hoạt động tại chỗ sẽ thực hiện phép tính bằng cách sử dụng độ chính xác được quyết định bởi kiểu dữ liệu của hai toán hạng, nhưng sẽ âm thầm hạ thấp kết quả [nếu cần] để nó có thể khớp trở lại vào mảng. Do đó, để tính toán độ chính xác hỗn hợp,
import numpy as np915 có thể khác với
import numpy as np916. Ví dụ: giả sử
import numpy as np917. Sau đó,
import numpy as np918 khác với
import numpy as np919. trong khi cả hai đều thực hiện cùng một phép tính, thì
import numpy as np920 đưa kết quả khớp trở lại với ________ 1921, trong khi đó ________ 1919 lại liên kết tên _______ 1921 với kết quả
Phép nhân ma trận
[giá trị, /]
Trở lại
Ghi chú
Toán tử ma trận
import numpy as np925 và
import numpy as np926 đã được giới thiệu trong Python 3. 5 sau PEP 465 và toán tử
import numpy as np925 đã được giới thiệu trong NumPy 1. 10. 0. Thông tin thêm có thể được tìm thấy trong tài liệu
phương pháp đặc biệt
Đối với chức năng thư viện tiêu chuẩn
[]
Được sử dụng nếu được gọi trên một mảng
[bản ghi nhớ, /]
Được sử dụng nếu được gọi trên một mảng
[]
để ngâm chua
[tiểu bang, /]
để giải nén
tùy chỉnh cơ bản
[*args, **kwargs]
[[dtype], /]
Trả về một tham chiếu mới cho self nếu dtype không được cung cấp hoặc một mảng mới có kiểu dữ liệu được cung cấp nếu dtype khác với dtype hiện tại của mảng
[mảng[, bối cảnh], /]
Trả về dạng xem có cùng loại với bản thân
Tùy chỉnh vùng chứa. [xem ]
[/]
Trả lại len[tự]
[Chìa khóa, /]
Tự trả về[key]
[giá trị cốt lõi, /]
Đặt self[key] thành giá trị
[Chìa khóa, /]
Tự trả lại chìa khóa
Chuyển đổi; . Chúng chỉ hoạt động trên các mảng có một phần tử trong đó và trả về giá trị vô hướng thích hợp