NumPy به طور پیش فرض ساختاری به نام ndarray (آرایه با ابعاد دلخواه) را برای ذخیره و کار با آرایه ها ارائه می دهد.
در این بخش، به روش های مختلف ایجاد و نمایش آرایه های NumPy در پایتون می پردازیم.
1. ایجاد آرایه از لیست پایتون:
ساده ترین روش برای ایجاد یک آرایه NumPy، استفاده از لیست پایتون موجود است.
import numpy as np
# ایجاد یک لیست پایتون
data = [1, 2, 3, 4, 5]
# تبدیل لیست به آرایه NumPy
arr = np.array(data)
print(arr) # Output: [1 2 3 4 5]
2. ایجاد آرایه با مقادیر ثابت:
می توانید از توابع np.array() و np.full() برای ایجاد آرایه ای با مقادیر ثابت استفاده کنید.
import numpy as np
# ایجاد آرایه ای از 5 عدد 10
arr1 = np.array([10] * 5)
print(arr1) # Output: [10 10 10 10 10]
# ایجاد آرایه ای از 10 عدد 0 تا 9
arr2 = np.full((10,), 0)
print(arr2) # Output: [0 0 0 0 0 0 0 0 0 0]
3. ایجاد آرایه با توابع:
می توانید از توابع NumPy برای ایجاد آرایه ها با مقادیر محاسبه شده با استفاده از توابع دلخواه استفاده کنید.
import numpy as np
def square(x):
return x * x
# ایجاد آرایه از مربع اعداد 1 تا 5
arr = np.fromfunction(square, (1, 5), dtype=int)
print(arr) # Output: [1 4 9 16 25]
4. نمایش آرایه ها:
می توانید از دستور print() برای نمایش محتوای یک آرایه NumPy استفاده کنید.
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr) # Output:
# [[1 2 3]
# [4 5 6]]
5. فرمت بندی نمایش آرایه:
می توانید از روش های مختلفی برای فرمت بندی نحوه نمایش آرایه ها در خروجی استفاده کنید.
import numpy as np
np.set_printoptions(precision=3) # تنظیم تعداد ارقام اعشاری
arr = np.array([1.2345, 5.6789, 10.1234])
print(arr) # Output: [ 1.235 5.679 10.123]
6. ذخیره و بارگیری آرایه ها:
می توانید از توابع np.save() و np.load() برای ذخیره و بارگیری آرایه ها در فایل ها استفاده کنید.
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
# ذخیره آرایه در فایل "data.npy"
np.save('data.npy', arr)
# بارگیری آرایه از فایل
loaded_arr = np.load('data.npy')
print(loaded_arr) # Output: [1 2 3 4 5]
نکات:
- نوع داده آرایه به طور پیش فرض float64 است. می توانید با استفاده از آرگومان
dtypeدرnp.array()نوع داده را مشخص کنید. - می توانید از توابع
np.shape()وnp.ndim()برای دریافت ابعاد و تعداد ابعاد یک آرایه استفاده کنید. - برای اطلاعات بیشتر در مورد توابع و روش های NumPy، به مستندات رسمی NumPy (https://numpy.org/doc/) مراجعه کنید.
با تسلط بر روش های ایجاد و نمایش آرایه های NumPy، می توانید به طور موثر از این کتابخانه قدرتمند برای ذخیره، دستکاری و تجزیه و
