Rumah > pembangunan bahagian belakang > Tutorial Python > Bagaimana untuk menukar senarai kepada numpy

Bagaimana untuk menukar senarai kepada numpy

DDD
Lepaskan: 2023-11-22 11:29:47
asal
3309 orang telah melayarinya

Cara menukar senarai kepada numpy: 1. Gunakan fungsi numpy.array() Parameter pertama fungsi ini ialah objek senarai, yang boleh menjadi senarai satu dimensi atau berbilang dimensi 2. Gunakan numpy. Fungsi asarray(). fungsi fromiter(), parameter pertama fungsi ini ialah objek Iterable.

Bagaimana untuk menukar senarai kepada numpy

Sistem pengendalian tutorial ini: sistem Windows 10, Python versi 3.11.4, komputer Dell G3.

Dalam Python, kami sering menggunakan senarai dan tatasusunan NumPy untuk menyimpan dan memproses data. Senarai ialah bekas tersusun dan boleh ubah yang boleh menyimpan sebarang jenis data. Tatasusunan NumPy ialah objek tatasusunan angka berbilang dimensi yang digunakan untuk menyimpan dan memproses set data yang besar.

Menukar senarai kepada tatasusunan NumPy boleh membawa banyak faedah, seperti:

Tatasusunan NumPy beroperasi lebih pantas: NumPy ditulis dalam bahasa C di bahagian bawah dan boleh mengendalikan sejumlah besar data dengan cekap, lebih pantas daripada senarai Python.

Operasi tatasusunan NumPy lebih ringkas: NumPy menyediakan banyak fungsi dan kaedah yang mudah untuk memproses tatasusunan, menjadikan kod lebih ringkas dan boleh dibaca.

Tatasusunan NumPy lebih berkuasa: NumPy menyediakan sejumlah besar fungsi matematik dan fungsi statistik, yang boleh memudahkan analisis data dan pengiraan saintifik.

Berikut ialah beberapa cara untuk menukar senarai kepada tatasusunan NumPy:

1 Gunakan fungsi numpy.array(): Fungsi numpy.array() boleh menukar senarai kepada tatasusunan NumPy. Parameter pertama fungsi ini ialah objek senarai, yang boleh menjadi senarai satu dimensi atau berbilang dimensi. Contohnya:

import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)
print(my_array)
Salin selepas log masuk

Hasil keluaran:

[1 2 3 4 5]
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk

2. Gunakan fungsi numpy.asarray(): Fungsi numpy.asarray() boleh menukar senarai menjadi tatasusunan NumPy. Tidak seperti fungsi numpy.array(), fungsi numpy.asarray() akan cuba menggunakan jenis data senarai input. Contohnya:

import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.asarray(my_list)
print(my_array)
Salin selepas log masuk

Hasil keluaran:

[1 2 3 4 5]
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk

3. Gunakan fungsi numpy.reshape(): Fungsi numpy.reshape() boleh menukar dimensi tatasusunan dan menukar senarai satu dimensi kepada NumPy berbilang dimensi tatasusunan. Contohnya:

import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.reshape(my_list, (5, 1))
print(my_array)
Salin selepas log masuk

Hasil keluaran:

[[1]
 [2]
 [3]
 [4]
 [5]]
Salin selepas log masuk

4. Gunakan fungsi numpy.fromiter(): Fungsi numpy.fromiter() boleh mencipta tatasusunan NumPy daripada objek boleh lelar. Parameter pertama fungsi ini ialah objek boleh lelar, seperti senarai, tuple, dsb. Contohnya:

import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.fromiter(my_list, dtype=int)
print(my_array)
Salin selepas log masuk

Hasil keluaran:

[1 2 3 4 5]
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk

Ringkasan: Di atas ialah beberapa cara untuk menukar senarai kepada tatasusunan NumPy. Mengikut keperluan sebenar, memilih kaedah yang sesuai untuk penukaran boleh meningkatkan kecekapan dan kebolehbacaan kod. Kefungsian dan prestasi tatasusunan NumPy menjadikannya salah satu alat penting untuk pemprosesan data dan pengkomputeran saintifik.

Atas ialah kandungan terperinci Bagaimana untuk menukar senarai kepada numpy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Label berkaitan:
sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan