NumPy Creating Arrays

<< مبحث قبلی مبحث بعدی >>

ایجاد یک شیء ndarray

NumPy جهت کار با آرایه‌ها استفاده می‌شود. شیء آرایه‌ در NumPy را ndarray می‌گویند.

برای ایجاد یک شیء ndarray می‌توانیم از تابع array() استفاده کنیم.


import numpy as np

arr = np.array([1, 2, 3, 4, 5])

print(arr)

print(type(arr))

خروجی:

برای ایجاد ndarray می‌توانیم لیست، تاپل یا هر شیء آرایه مانندی را به تابع array() بدهیم تا تبدیل به یک ndarray شود.


import numpy as np

arr = np.array((1, 2, 3, 4, 5))

print(arr)

خروجی:

ابعاد در آرایه‌ها

بعد در آرایه‌ها یک مرحله از عمق آرایه (آرایه‌های تو در تو) است. منظور از آرایه‌های تو در تو، آرایه‌هایی است که عناصر آن از آرایه تشکیل شده باشد.

آرایه‌های 0D

منظور از آرایه‌های صفر بعدی همان اسکالرها هستند. یعنی یک مقدار در آرایه.

import numpy as np
arr = np.array(42)

آرایه‌های 1D

آرایه‌ای که عناصر آن از آرایه‌های 0D تشکیل شده باشد را یک بعدی می‌گوئیم. رایج‌ترین و پایه‌ای‌ترین آرایه‌ها هستند.

import numpy as np
arr = np.array([1, 2, 3, 4, 5])

آرایه‌های 2D

آرایه‌ای که عناصر آن از آرایه‌های یک بعدی تشکیل شده باشد، یک آرایه دو بعدی است.

معمولاً از این آرایه‌ها برای نمایش ماتریس‌ها یا تانسورهای مرتبه 2 استفاده می‌شود.

NumPy یک زیر مدول به اسم numpy.mat دارد که تماماً برای انجام عملیات ماتریسی به کار می‌رود.

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])

print(arr)

خروجی:

آرایه‌های 3D

آرایه‌ای که از آرایه‌های 2 بعدی تشکیل شده باشد را آرایه 3 بعدی می‌گویند.

معمولاً جهت نمایش تانسورهای مرتبه سوم از آن‌ها استفاده می‌شود.


import numpy as np

arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])

print(arr)

خروجی:

بررسی تعداد ابعاد

آرایه‌های NumPy دارای ویژگی ndim هستند که با برگرداندن یک عدد صحیح به ما می‌گوید آرایه دارای چند بعد است.


import numpy as np

a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])

print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)

خروجی:

آرایه‌هایی با ابعاد بیشتر

یک آرایه می‌تواند هر تعداد بعد دلخواهی را داشته باشد.

زمانی که یک آرایه را ایجاد می‌کنیم، می‌توانیم تعداد ابعاد آن را بوسیله آرگومان ndmin تعیین کنیم.


import numpy as np

arr = np.array([1, 2, 3, 4], ndmin=5)

print(arr)
print('number of dimensions :', arr.ndim)

خروجی:

<< مبحث قبلی مبحث بعدی >>