مشخصات مقاله
-
0.0
-
711
-
0
-
1
ایجاد آرایه Numpy از دادههای موجود
NumPy به ما امکان ایجاد یک آرایه از دادههای موجود را با استفاده از روش های زیر میدهد.
numpy.asarray
این روتین برای ایجاد یک آرایه با استفاده از دادههای موجود به صورت لیست یا تاپل استفاده میشود. این روتین در سناریویی مفید است که ما نیاز داریم یک دنباله پایتون را به شیء آرایه Numpy تبدیل کنیم. سینتکس مورد استفاده از روتین asarray() به شرح زیر است :
numpy.asarray(sequence, dtype = None, order = None)
این روتین پارامترهای زیر را میپذیرد:
1. sequence: این داده ورودی در پایتون است که باید به آرایه Numpy تبدیل شود.
2. dtype: نوع داده هر مورد از آرایه را مشخص میکند.
3. order: میتواند به C یا F تنظیم شود. مقدار پیشفرض C است. این پارامتر مشخص میکند که آیا آرایه در حافظه به صورت متوالی (C) یا به صورت معکوس (F) ذخیره شود.
ایجاد آرایه Numpy با استفاده از لیست
import numpy as np l=[1,2,3,4,5,6,7] a = np.asarray(l); print(type(a)) print(a)خروجی
[1 2 3 4 5 6 7]
مثال: ایجاد آرایه Numpy با استفاده از تاپل
import numpy as np l=(1,2,3,4,5,6,7) a = np.asarray(l); print(type(a)) print(a)خروجی
[1 2 3 4 5 6 7]
ایجاد آرایه Numpy با استفاده از چند لیست
import numpy as np l=[[1,2,3,4,5,6,7],[8,9]] a = np.asarray(l); print(type(a)) print(a)خروجی
[list([1, 2, 3, 4, 5, 6, 7]) list([8, 9])]
numpy.frombuffer
این تابع برای ایجاد یک آرایه با استفاده از بافر مشخص شده استفاده میشود. سینتکس مورد استفاده از این بافر به شرح زیر است.
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
این تابع پارامترهای زیر را میپذیرد:
1. buffer: این پارامتر نمایانگر یک شیء است که واسطه بافر را ارائه میدهد.
2. dtype: این پارامتر نمایانگر نوع داده آرایه مرجوعی است. مقدار پیشفرض آن 0 است.
3. count: این پارامتر طول آرایه مرجوعی را نمایانگر میکند. مقدار پیشفرض آن -1 است.
4. offset: این پارامتر نمایانگر موقعیت شروع برای خواندن از بافر است. مقدار پیشفرض آن 0 است.
مثالimport numpy as np l = b'hello world' print(type(l)) a = np.frombuffer(l, dtype = "S1") print(a) print(type(a))خروجی
[b'h' b'e' b'l' b'l' b'o' b' ' b'w' b'o' b'r' b'l' b'd']
numpy.fromiter
این روتین برای ایجاد یک آرایه یکبعدی از طریق استفاده از یک شیء قابل تکرار (iterable) استفاده میشود. این تابع یک شیء ndarray یکبعدی را برمیگرداند. سینتکس آن به شرح زیر است.
numpy.fromiter(iterable, dtype, count = - 1)
این تابع پارامترهای زیر را میپذیرد:
1. Iterable: این پارامتر یک شیء قابل تکرار (iterable) را نمایندگی میکند.
2. dtype: این پارامتر نماینده نوع داده مورد نظر برای موارد آرایه مرجوعی است.
3. count: این پارامتر تعداد مواردی که باید از iterable در آرایه خوانده شود را نمایندگی میکند.
مثالimport numpy as np list = [0,2,4,6] it = iter(list) x = np.fromiter(it, dtype = float) print(x) print(type(x))خروجی
[0. 2. 4. 6.]