Rumah > hujung hadapan web > html tutorial > senarai ke numpy: petua penukaran mudah

senarai ke numpy: petua penukaran mudah

王林
Lepaskan: 2024-01-26 10:15:19
asal
998 orang telah melayarinya

senarai ke numpy: petua penukaran mudah

Dari senarai ke numpy: Kaedah penukaran yang mudah, contoh kod khusus diperlukan

Pengenalan:
Dalam bidang pengkomputeran saintifik dan analisis data, Numpy ialah salah satu perpustakaan pihak ketiga yang paling penting dalam Python. Numpy menyediakan struktur dan fungsi data yang cekap, menjadikannya sangat mudah untuk mengendalikan operasi tatasusunan dan matriks berskala besar. Dalam kerja dan projek sebenar, kita selalunya perlu menukar data mentah daripada senarai Python kepada tatasusunan Numpy. Artikel ini akan memperkenalkan beberapa kaedah mudah untuk membantu pembaca mencapai penukaran ini.

Kaedah 1: Gunakan fungsi numpy.array()
Kaedah yang paling biasa ialah menggunakan fungsi numpy.array(), yang boleh menukar senarai Python kepada tatasusunan Numpy. Penggunaan fungsi ini sangat mudah, hanya masukkan senarai sebagai parameter. Berikut ialah kod sampel:

import numpy as np

# 原始数据
my_list = [1, 2, 3, 4, 5]

# 将list转换为numpy数组
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

Kaedah 2: Gunakan fungsi numpy.asarray()
Anda juga boleh menggunakan fungsi numpy.asarray() untuk menukar senarai kepada tatasusunan Numpy. Tidak seperti fungsi numpy.array(), fungsi numpy.asarray() tidak mencipta salinan tatasusunan baharu apabila menghantar dalam tatasusunan Numpy, tetapi secara langsung mengembalikan parameter input itu sendiri. Begitu juga, berikut ialah contoh kod:

import numpy as np

# 原始数据
my_list = [1, 2, 3, 4, 5]

# 将list转换为numpy数组
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

Kaedah 3: Gunakan fungsi numpy.reshape()
Numpy menyediakan fungsi numpy.reshape(), yang boleh digunakan untuk menukar bentuk tatasusunan. Jika data asal ialah senarai berbilang dimensi, ia boleh ditukar kepada tatasusunan Numpy bentuk sepadan dengan menggunakan fungsi numpy.reshape(). Berikut ialah kod sampel:

import numpy as np

# 原始数据
my_list = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# 将多维list转换为numpy数组
my_array = np.reshape(my_list, (3, 3))

print(my_array)
Salin selepas log masuk

Hasil keluaran:

[[1 2 3]
 [4 5 6]
 [7 8 9]]
Salin selepas log masuk

Kaedah 4: Gunakan fungsi numpy.fromiter()
Kadangkala, kita perlu menukar iterator kepada tatasusunan Numpy. Fungsi numpy.fromiter() boleh mencapai fungsi ini. Berikut ialah contoh kod:

import numpy as np

# 原始数据
my_iter = range(10)

# 将迭代器转换为numpy数组
my_array = np.fromiter(my_iter, dtype=np.int)

print(my_array)
Salin selepas log masuk

Hasil keluaran:

[0 1 2 3 4 5 6 7 8 9]
Salin selepas log masuk

Kaedah lima: Gunakan fungsi numpy.loadtxt()
Akhir sekali, jika data asal kami disimpan dalam fail, kami boleh menggunakan fungsi numpy.loadtxt() untuk muatkannya Baca dan tukar kepada tatasusunan Numpy. Berikut ialah contoh kod:

import numpy as np

# 从文件中读取数据并转换为numpy数组
my_array = np.loadtxt('data.txt')

print(my_array)
Salin selepas log masuk

Hasil keluaran:

[[1.  2.  3.  4.  5. ]
 [6.  7.  8.  9.  10.]
 [11. 12. 13. 14. 15.]]
Salin selepas log masuk

Kesimpulan:
Artikel ini memperkenalkan beberapa kaedah mudah untuk menukar objek senarai dengan cepat dalam Python kepada tatasusunan Numpy. Kaedah ini sangat ringkas dan mudah difahami serta boleh membantu kami menggunakan Numpy dengan lebih mudah untuk pengiraan saintifik dan analisis data dalam kerja dan projek sebenar. Pembaca boleh memilih kaedah yang sesuai untuk penukaran mengikut keperluan sebenar mereka, dan mengetahui lebih lanjut tentang penggunaan Numpy.

Atas ialah kandungan terperinci senarai ke numpy: petua penukaran mudah. 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