NumPy - Array aus vorhandenen Daten

In diesem Kapitel wird erläutert, wie Sie aus vorhandenen Daten ein Array erstellen.

numpy.asarray

Diese Funktion ähnelt numpy.array mit der Ausnahme, dass weniger Parameter vorhanden sind. Diese Routine ist nützlich, um die Python-Sequenz in ndarray zu konvertieren.

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

Der Konstruktor verwendet die folgenden Parameter.

Sr.Nr.	Parameter & Beschreibung
1	a Geben Sie Daten in beliebiger Form ein, z. B. Liste, Liste der Tupel, Tupel, Tupel der Tupel oder Tupel der Listen
2	dtype Standardmäßig wird der Datentyp der Eingabedaten auf das resultierende ndarray angewendet
3	order C (Zeilenmajor) oder F (Spaltenmajor). C ist Standard

Die folgenden Beispiele zeigen, wie Sie das verwenden können asarray Funktion.

Beispiel 1

# convert list to ndarray 
import numpy as np 

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

Seine Ausgabe wäre wie folgt -

[1  2  3]

Beispiel 2

# dtype is set 
import numpy as np 

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

Nun wäre die Ausgabe wie folgt:

[ 1.  2.  3.]

Beispiel 3

# ndarray from tuple 
import numpy as np 

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

Seine Ausgabe wäre -

[1  2  3]

Beispiel 4

# ndarray from list of tuples 
import numpy as np 

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

Hier wäre die Ausgabe wie folgt:

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

numpy.frombuffer

Diese Funktion interpretiert einen Puffer als eindimensionales Array. Jedes Objekt, das die Pufferschnittstelle verfügbar macht, wird als Parameter verwendet, um eine zurückzugebenndarray.

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

Der Konstruktor verwendet die folgenden Parameter.

Sr.Nr.	Parameter & Beschreibung
1	buffer Jedes Objekt, das die Pufferschnittstelle verfügbar macht
2	dtype Datentyp des zurückgegebenen ndarray. Standardmäßig schweben
3	count Die Anzahl der zu lesenden Elemente, Standard -1, bedeutet alle Daten
4	offset Die Ausgangsposition zum Lesen. Standard ist 0

Beispiel

Die folgenden Beispiele veranschaulichen die Verwendung von frombuffer Funktion.

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

Hier ist seine Ausgabe -

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

numpy.fromiter

Diese Funktion erstellt eine ndarrayObjekt von einem beliebigen iterierbaren Objekt. Ein neues eindimensionales Array wird von dieser Funktion zurückgegeben.

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

Hier verwendet der Konstruktor die folgenden Parameter.

Sr.Nr.	Parameter & Beschreibung
1	iterable Jedes iterierbare Objekt
2	dtype Datentyp des resultierenden Arrays
3	count Die Anzahl der Elemente, die vom Iterator gelesen werden sollen. Der Standardwert ist -1, was bedeutet, dass alle Daten gelesen werden sollen

Die folgenden Beispiele zeigen die Verwendung des integrierten Geräts range()Funktion zum Zurückgeben eines Listenobjekts. Ein Iterator dieser Liste wird verwendet, um eine zu bildenndarray Objekt.

Beispiel 1

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

Seine Ausgabe ist wie folgt -

[0,  1,  2,  3,  4]

Beispiel 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

Nun wäre die Ausgabe wie folgt:

[0.   1.   2.   3.   4.]