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
# 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
# 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
# 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
# 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 .
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
# 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
# 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: