Maison > développement back-end > Tutoriel Python > Comment convertir une liste en numpy

Comment convertir une liste en numpy

DDD
Libérer: 2023-11-22 11:29:47
original
3309 Les gens l'ont consulté

Comment convertir une liste en numpy : 1. Utilisez la fonction numpy.array() Le premier paramètre de cette fonction est un objet liste, qui peut être une liste unidimensionnelle ou multidimensionnelle ; Fonction asarray(). Cette fonction essaiera d'utiliser le type de données de la liste d'entrée ; 3. Utilisez la fonction numpy.reshape() pour convertir une liste unidimensionnelle en un tableau NumPy multidimensionnel ; fromiter(), le premier paramètre de cette fonction est un objet Itérable.

Comment convertir une liste en numpy

Le système d'exploitation de ce tutoriel : système Windows 10, Python version 3.11.4, ordinateur Dell G3.

En Python, nous utilisons souvent des listes et des tableaux NumPy pour stocker et traiter des données. Une liste est un conteneur ordonné et modifiable qui peut stocker tout type de données. Un tableau NumPy est un objet tableau numérique multidimensionnel utilisé pour stocker et traiter de grands ensembles de données.

La conversion de listes en tableaux NumPy peut apporter de nombreux avantages, tels que :

Les tableaux NumPy fonctionnent plus rapidement : NumPy est écrit en langage C en bas et peut gérer de grandes quantités de données efficacement, plus rapidement que les listes de Python.

Les opérations sur les tableaux NumPy sont plus concises : NumPy fournit de nombreuses fonctions et méthodes pratiques pour traiter les tableaux, rendant le code plus concis et lisible.

Les tableaux NumPy sont plus puissants : NumPy fournit un grand nombre de fonctions mathématiques et de fonctions statistiques, qui peuvent faciliter l'analyse des données et les calculs scientifiques.

Voici plusieurs façons de convertir une liste en tableau NumPy :

1. Utilisez la fonction numpy.array() : La fonction numpy.array() peut convertir une liste en tableau NumPy. Le premier paramètre de cette fonction est un objet liste, qui peut être une liste unidimensionnelle ou multidimensionnelle. Par exemple :

import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)
print(my_array)
Copier après la connexion

Résultat de sortie :

[1 2 3 4 5]
Copier après la connexion
Copier après la connexion
Copier après la connexion

2. Utilisez la fonction numpy.asarray() : La fonction numpy.asarray() peut convertir la liste en un tableau NumPy. Contrairement à la fonction numpy.array(), la fonction numpy.asarray() tentera d'utiliser le type de données de la liste d'entrée. Par exemple :

import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.asarray(my_list)
print(my_array)
Copier après la connexion

Résultat de sortie :

[1 2 3 4 5]
Copier après la connexion
Copier après la connexion
Copier après la connexion

3. Utilisez la fonction numpy.reshape() : La fonction numpy.reshape() peut modifier les dimensions du tableau et convertir une liste unidimensionnelle en un NumPy multidimensionnel tableau. Par exemple :

import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.reshape(my_list, (5, 1))
print(my_array)
Copier après la connexion

Résultat de sortie :

[[1]
 [2]
 [3]
 [4]
 [5]]
Copier après la connexion

4. Utilisez la fonction numpy.fromiter() : La fonction numpy.fromiter() peut créer un tableau NumPy à partir d'un objet itérable. Le premier paramètre de cette fonction est un objet itérable, tel qu'une liste, un tuple, etc. Par exemple :

import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.fromiter(my_list, dtype=int)
print(my_array)
Copier après la connexion

Résultat de sortie :

[1 2 3 4 5]
Copier après la connexion
Copier après la connexion
Copier après la connexion

Résumé : Voici plusieurs façons de convertir une liste en un tableau NumPy. Selon les besoins réels, le choix d'une méthode de conversion appropriée peut améliorer l'efficacité et la lisibilité du code. La fonctionnalité et les performances des baies NumPy en font l'un des outils importants pour le traitement des données et le calcul scientifique.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Étiquettes associées:
source:php.cn
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal