Hướng dẫn dùng numpy frombuffer python
Trong bài hôm nay, chúng ta sẽ bàn luận về cách tạo mảng từ dữ liệu có sẵn Show 1.numpy.asarray :Hàm này tương tự như numpy.array ngoại trừ thực tế là nó có ít tham số hơn. Quy trình này rất hữu ích để chuyển đổi chuỗi Python thành ndarray.
Các tham số cần lưu ý :
Ví dụ 1 :
Kết quả : Ví dụ 2 :
Kết quả : Ví dụ 3 :
Kết quả : Ví dụ 4 :
Kết quả : 2. numpy.frombufferHàm này có nghĩa một bộ đệm là mảng một chiều. Bất kỳ đối tượng nào hiển thị giao diện bộ đệm được sử dụng làm tham số để trả về một ndarray.
Các tham số cần lưu ý như sau :
Ví dụ :
Kết quả :
3. numpy.fromiter :Hàm này xây dựng đối tượng ndarray từ bất kỳ đối tượng có thể lặp lại nào. Một mảng một chiều mới được trả về bởi hàm này.
Các ví dụ sau đây cho thấy cách sử dụng hàm range () dựng sẵn để trả về một danh sách các đối tượng . Một trình lặp của danh sách này tạo một đối tượng ndarray. Ví dụ 1 :
Kết quả : Ví dụ 2 :
Kết quả : Đối tượng ndarray có thể được xây dựng bằng cách sử dụng các quy trình sau. Các bài viết liên quan: Numpy.emptyNhư tên đã chỉ định, Quy trình trống được sử dụng để tạo một mảng chưa khởi tạo có hình dạng và kiểu dữ liệu được chỉ định. Cú pháp được đưa ra dưới đây. numpy.empty (shape, dtype = float, order = 'C') Nó chấp nhận các tham số sau.
Thí dụ import numpy as np arr = np.empty((3,2), dtype = int) print(arr) NumPy.ZerosQuy trình này được sử dụng để tạo mảng numpy với hình dạng được chỉ định trong đó mỗi mục mảng numpy được khởi tạo bằng 0. Cú pháp được đưa ra dưới đây. numpy.zeros (shape, dtype = float, order = 'C') Nó chấp nhận các tham số sau.
Thí dụ import numpy as np arr = np.zeros((3,2), dtype = int) print(arr) NumPy.onesQuy trình này được sử dụng để tạo mảng numpy với hình dạng được chỉ định trong đó mỗi mục mảng numpy được khởi tạo thành 1. Cú pháp để sử dụng mô-đun này được đưa ra dưới đây. numpy.ones (shape, dtype = none, order = 'C') Nó chấp nhận các tham số sau.
Thí dụ import numpy as np arr = np.ones((3,2), dtype = int) print(arr) NumPy cung cấp cho chúng ta cách tạo một mảng bằng cách sử dụng dữ liệu hiện có. numpy.asarrayQuy trình này được sử dụng để tạo một mảng bằng cách sử dụng dữ liệu hiện có ở dạng danh sách hoặc bộ giá trị. Quy trình này hữu ích trong trường hợp chúng ta cần chuyển đổi một chuỗi python thành đối tượng mảng numpy. Cú pháp để sử dụng quy trình asarray () được đưa ra bên dưới. numpy.asarray(sequence, dtype = None, order = None) Nó chấp nhận các tham số sau.
Ví dụ: tạo mảng numpy bằng cách sử dụng danh sách import numpy as np l=[1,2,3,4,5,6,7] a = np.asarray(l); print(type(a)) print(a) Đầu ra: Ví dụ: tạo một mảng numpy bằng Tuple import numpy as np l=(1,2,3,4,5,6,7) a = np.asarray(l); print(type(a)) print(a) Đầu ra: Ví dụ: tạo một mảng numpy bằng cách sử dụng nhiều hơn một danh sách import numpy as np l=[[1,2,3,4,5,6,7],[8,9]] a = np.asarray(l); print(type(a)) print(a) Đầu ra: numpy.frombufferHàm này được sử dụng để tạo một mảng bằng cách sử dụng bộ đệm được chỉ định. Cú pháp để sử dụng bộ đệm này được đưa ra dưới đây. numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0) Nó chấp nhận các tham số sau.
Thí dụ import numpy as np l = b'hello world' print(type(l)) a = np.frombuffer(l, dtype = "S1") print(a) print(type(a)) Đầu ra: numpy.fromiterQuy trình này được sử dụng để tạo một ndarray bằng cách sử dụng một đối tượng có thể lặp lại. Nó trả về một đối tượng ndarray một chiều. Cú pháp được đưa ra dưới đây. numpy.fromiter(iterable, dtype, count = - 1) Nó chấp nhận các tham số sau.
Thí dụ import numpy as np list = [0,2,4,6] it = iter(list) x = np.fromiter(it, dtype = float) print(x) print(type(x)) Đầu ra: Phần này của hướng dẫn minh họa cách có thể tạo mảng numpy bằng cách sử dụng một số phạm vi cụ thể nhất định. Numpy.arrangeNó tạo ra một mảng bằng cách sử dụng các giá trị cách đều nhau trong khoảng thời gian nhất định. Cú pháp để sử dụng hàm được đưa ra dưới đây. numpy.arrange(start, stop, step, dtype) Nó chấp nhận các tham số sau.
Thí dụ import numpy as np arr = np.arange(0,10,2,float) print(arr) Thí dụ import numpy as np arr = np.arange(10,100,5,int) print("The array over the given range is ",arr) Đầu ra: NumPy.linspaceNó tương tự như chức năng sắp xếp. Tuy nhiên, nó không cho phép chúng ta chỉ định kích thước bước trong cú pháp. Thay vào đó, nó chỉ trả về các giá trị được phân tách đồng đều trong một khoảng thời gian được chỉ định. Hệ thống sẽ tính toán một cách ngầm định kích thước bước. Cú pháp được đưa ra dưới đây. numpy.linspace (start, stop, num, endpoint, retstep, dtype) Nó chấp nhận các tham số sau.
Thí dụ import numpy as np arr = np.linspace(10, 20, 5) print("The array over the given range is ",arr) Đầu ra: Thí dụ import numpy as np arr = np.linspace(10, 20, 5, endpoint = False) print("The array over the given range is ",arr) Đầu ra: numpy.logspaceNó tạo ra một mảng bằng cách sử dụng các số được phân tách đồng đều trên thang log. Cú pháp được đưa ra dưới đây. numpy.logspace (start, stop, num, endpoint, base, dtype) Nó chấp nhận các tham số sau.
Thí dụ import numpy as np arr = np.logspace(10, 20, num = 5, endpoint = True) print("The array over the given range is ",arr) Đầu ra: Thí dụ import numpy as np arr = np.logspace(10, 20, num = 5,base = 2, endpoint = True) print("The array over the given range is ",arr) Đầu ra: |