إنشاء مصفوفات NumPy
قم بإنشاء كائن NumPy ndarray
يتم استخدام NumPy للعمل مع المصفوفات. يسمى كائن المصفوفة في NumPy
ndarray
.
يمكننا إنشاء
ndarray
كائن NumPy باستخدام array()
الوظيفة.
مثال
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))
type (): تخبرنا وظيفة Python المضمنة هذه بنوع الكائن الذي تم تمريره إليه. كما هو الحال في الكود أعلاه يظهر أن هذا arr
هو
numpy.ndarray
النوع.
لإنشاء كائن ndarray
، يمكننا تمرير قائمة أو tuple أو أي كائن يشبه المصفوفة إلى array()
الطريقة ، وسيتم تحويله إلى
ndarray
:
مثال
استخدم tuple لإنشاء مصفوفة NumPy:
import numpy as np
arr = np.array((1, 2, 3, 4, 5))
print(arr)
الأبعاد في المصفوفات
البعد في المصفوفات هو مستوى واحد من عمق الصفيف (المصفوفات المتداخلة).
المصفوفة المتداخلة: هي المصفوفات التي تحتوي على المصفوفات كعناصرها.
0-D صفائف
المصفوفات 0-D ، أو Scalars ، هي العناصر الموجودة في المصفوفة. كل قيمة في المصفوفة هي صفيف 0-D.
مثال
قم بإنشاء صفيف 0-D بقيمة 42
import numpy as np
arr = np.array(42)
print(arr)
1-D المصفوفات
تسمى المصفوفة التي تحتوي على مصفوفات 0-D كعناصرها صفيف أحادي الأبعاد أو مصفوفة أحادية الأبعاد.
هذه هي المصفوفات الأكثر شيوعًا والأساسية.
مثال
قم بإنشاء صفيف 1-D يحتوي على القيم 1،2،3،4،5:
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
2-D المصفوفات
تسمى المصفوفة التي تحتوي على مصفوفات 1-D كعناصرها بالمصفوفة ثنائية الأبعاد.
غالبًا ما تستخدم لتمثيل مصفوفة أو موترات من الدرجة الثانية.
يحتوي NumPy على وحدة فرعية كاملة مخصصة لعمليات المصفوفة تسمى
numpy.mat
مثال
قم بإنشاء صفيف ثنائي الأبعاد يحتوي على صفيفين بالقيم 1،2،3 و 4،5،6:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
المصفوفات ثلاثية الأبعاد
تسمى المصفوفة التي تحتوي على مصفوفات ثنائية الأبعاد كعناصرها المصفوفة ثلاثية الأبعاد.
غالبًا ما تستخدم لتمثيل موتر من الدرجة الثالثة.
مثال
قم بإنشاء صفيف ثلاثي الأبعاد مع صفيفين ثنائي الأبعاد ، يحتوي كلاهما على صفيفين بالقيم 1،2،3 و 4،5،6:
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)
تحقق من عدد الأبعاد؟
توفر مصفوفات NumPy ndim
السمة التي تُرجع عددًا صحيحًا يخبرنا عن عدد أبعاد المصفوفة.
مثال
تحقق من عدد أبعاد المصفوفات:
import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)
صفائف ذات أبعاد أعلى
يمكن أن تحتوي المصفوفة على أي عدد من الأبعاد.
عندما يتم إنشاء المصفوفة ، يمكنك تحديد عدد الأبعاد باستخدام ndmin
الوسيطة.
مثال
قم بإنشاء مصفوفة ذات 5 أبعاد وتحقق من أنها تحتوي على 5 أبعاد:
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)
في هذه المصفوفة ، يحتوي البعد الداخلي (5 خافت) على 4 عناصر ، والبعد الخافت الرابع يحتوي على عنصر واحد هو المتجه ، والبعد الخافت الثالث يحتوي على عنصر واحد يمثل المصفوفة مع المتجه ، ويحتوي البُعد الخافت الثاني على عنصر واحد يمثل مصفوفة ثلاثية الأبعاد و يحتوي الخافت الأول على عنصر واحد وهو مصفوفة رباعية الأبعاد.