Учебники

NumPy — массив из существующих данных

В этой главе мы обсудим, как создать массив из существующих данных.

numpy.asarray

Эта функция похожа на numpy.array за исключением того, что она имеет меньше параметров. Эта процедура полезна для преобразования последовательности Python в ndarray.

numpy.asarray(a, dtype = None, order = None)

Конструктор принимает следующие параметры.

Sr.No. Параметр и описание
1

Входные данные в любой форме, такие как список, список кортежей, кортежей, кортежей кортежей или кортежей списков

2

DTYPE

По умолчанию тип данных входных данных применяется к результирующему ndarray

3

порядок

C (основной ряд) или F (основной столбец). C по умолчанию

Входные данные в любой форме, такие как список, список кортежей, кортежей, кортежей кортежей или кортежей списков

DTYPE

По умолчанию тип данных входных данных применяется к результирующему ndarray

порядок

C (основной ряд) или F (основной столбец). C по умолчанию

Следующие примеры показывают, как вы можете использовать функцию asarray .

Пример 1

Live Demo

# convert list to ndarray 
import numpy as np 

x = [1,2,3] 
a = np.asarray(x) 
print a

Его вывод будет следующим:

[1  2  3] 

Пример 2

Live Demo

# dtype is set 
import numpy as np 

x = [1,2,3]
a = np.asarray(x, dtype = float) 
print a

Теперь результат будет следующим:

[ 1.  2.  3.] 

Пример 3

Live Demo

# ndarray from tuple 
import numpy as np 

x = (1,2,3) 
a = np.asarray(x) 
print a

Его вывод будет —

[1  2  3]

Пример 4

Live Demo

# ndarray from list of tuples 
import numpy as np 

x = [(1,2,3),(4,5)] 
a = np.asarray(x) 
print a

Здесь результат будет следующим:

[(1, 2, 3) (4, 5)]

numpy.frombuffer

Эта функция интерпретирует буфер как одномерный массив. Любой объект, который предоставляет интерфейс буфера, используется в качестве параметра для возврата ndarray .

numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)

Конструктор принимает следующие параметры.

Sr.No. Параметр и описание
1

буфер

Любой объект, который предоставляет интерфейс буфера

2

DTYPE

Тип данных возвращается ndarray. По умолчанию плавать

3

подсчитывать

Количество элементов для чтения, по умолчанию -1 означает все данные

4

смещение

Начальная позиция для чтения. По умолчанию 0

буфер

Любой объект, который предоставляет интерфейс буфера

DTYPE

Тип данных возвращается ndarray. По умолчанию плавать

подсчитывать

Количество элементов для чтения, по умолчанию -1 означает все данные

смещение

Начальная позиция для чтения. По умолчанию 0

пример

Следующие примеры демонстрируют использование функции frombuffer .

Live Demo

import numpy as np 
s = 'Hello World' 
a = np.frombuffer(s, dtype = 'S1') 
print a

Вот его вывод —

['H'  'e'  'l'  'l'  'o'  ' '  'W'  'o'  'r'  'l'  'd']

numpy.fromiter

Эта функция создает объект ndarray из любого повторяемого объекта. Эта функция возвращает новый одномерный массив.

numpy.fromiter(iterable, dtype, count = -1)

Здесь конструктор принимает следующие параметры.

Sr.No. Параметр и описание
1

итерируемый

Любой повторяемый объект

2

DTYPE

Тип данных результирующего массива

3

подсчитывать

Количество элементов для чтения из итератора. По умолчанию -1, что означает все данные для чтения

итерируемый

Любой повторяемый объект

DTYPE

Тип данных результирующего массива

подсчитывать

Количество элементов для чтения из итератора. По умолчанию -1, что означает все данные для чтения

В следующих примерах показано, как использовать встроенную функцию range () для возврата объекта списка. Итератор этого списка используется для формирования объекта ndarray .

Пример 1

Live Demo

# create list object using range function 
import numpy as np 
list = range(5) 
print list

Его вывод выглядит следующим образом —

[0,  1,  2,  3,  4]

Пример 2

Live Demo

# obtain iterator object from list 
import numpy as np 
list = range(5) 
it = iter(list)  

# use iterator to create ndarray 
x = np.fromiter(it, dtype = float) 
print x

Теперь результат будет следующим: