Рубрики
Без рубрики

Размер насыпного массива

Numpy – популярная библиотека Python для науки о данных, ориентируясь на массивы, векторы и матрицы. Если вы работаете с данными, вы просто не можете избежать Numpy. Challenge: Как получить количество размеров Numpy Array? Решение: используйте атрибут Array.ndim для доступа к количеству измерений Numpy Array. Обратите внимание, что это … размерное количество примечания Numpy Read More »

Автор оригинала: Chris.

Numpy – популярная библиотека Python для науки о данных, ориентируясь на массивы, векторы и матрицы. Если вы работаете с данными, вы просто не можете избежать Numpy.

Вызов : Как получить количество размеров Numpy Array?

Решение : Используйте атрибут Array.ndim Для доступа к количеству размеров Numpy Array. Обратите внимание, что это атрибут, а не функция.

Одномерный массив имеет одно измерение:

import numpy as np

a = np.array([1, 2, 3])
print(a.ndim)
# 1

Двумерный массив имеет два размера:

import numpy as np

a = np.array([[1, 2, 3],
              [4, 5, 6]])
print(a.ndim)
# 2

И трехмерный массив имеет три размера:

import numpy as np

a = np.array([[[1, 2, 3],
               [4, 5, 6]],
              [[0, 0, 0],
               [1, 1, 1]]])
print(a.ndim)
# 3

Фон Перед тем, как мы будем двигаться дальше, вы можете спросить: Какое определение размеров в массиве в любом случае?

Numpy не просто хранит кучу значений данных в свободной моде (вы можете использовать списки для этого). Вместо этого Numpy накладывает строгое упорядочение к данным – оно создает оси с фиксированными размерами.

Не путайте ось с измерением. Точка в 3D-пространстве, например [1, 2, 3] имеет три размера, но только одну ось. Вы можете подумать о оси как глубину ваших вложенных данных. Если вы хотите узнать количество осей в Numpy, подсчитайте количество открытых кронштейнов «[» пока вы не достигнете первого численного значения.

Связанная статья: Обмотка

Обманенность головоломки

Можете ли вы решить следующую Numpy Puzzle, которая тестирует то, что вы узнали до сих пор?

import numpy as np

# salary in ($1000) [2015, 2016, 2017]
dataScientist = [133, 132, 137]
productManager = [127, 140, 145]
designer = [118, 118, 127]
softwareEngineer = [129, 131, 137]

a = np.array([dataScientist,
              productManager,
              designer,
              softwareEngineer])
print(a.ndim)

Упражнение : Что такое выход этой головоломки?

Вы можете решить это в нашей интерактивной головоломке Finxter.com :

В этой головоломке мы используем данные о зарплате четырех рабочих мест: данные ученых, менеджеров по продуктам, дизайнерам и инженерам программного обеспечения. Мы создаем четыре списка, которые хранят ежегодную среднюю зарплату четырех рабочих мест в тысячи долларов в течение трех лет 2015, 2016 и 2017 годов.

Затем мы объединяем эти четыре списка в двумерный массив (обозначены как матрица). Вы можете подумать о двумерной матрице в виде списка списков. Трехмерная матрица будет список списков списков. Вы получаете идею.

В головоломке каждый список зарплаты одной задачи становится ряд двумерной матрицы. Каждая строка имеет три столбца, по одному на каждый год. Головоломка печатает размерность этой матрицы. Поскольку наша матрица двумерная, решение этой головоломки 2.

Связанное numpy видео.

Вы хотите стать Numpy Master? Проверьте нашу интерактивную книгу головоломки Coffe Break Numpy И повысить свои навыки науки о данных! (Ссылка Amazon открывается на новой вкладке.)

Работая в качестве исследователя в распределенных системах, доктор Кристиан Майер нашел свою любовь к учению студентов компьютерных наук.

Чтобы помочь студентам достичь более высоких уровней успеха Python, он основал сайт программирования образования Finxter.com Отказ Он автор популярной книги программирования Python одноклассники (Nostarch 2020), Coauthor of Кофе-брейк Python Серия самооставленных книг, энтузиаста компьютерных наук, Фрилансера и владелец одного из лучших 10 крупнейших Питон блоги по всему миру.

Его страсти пишут, чтение и кодирование. Но его величайшая страсть состоит в том, чтобы служить стремлению кодер через Finxter и помогать им повысить свои навыки. Вы можете присоединиться к его бесплатной академии электронной почты здесь.

Оригинал: “https://blog.finxter.com/dimension-of-numpy-matrix/”