ndarray¶
- class
ndarray
Экземпляры данного класса возвращают методы модуля
a = array([10])
-
dtype
¶ Тип значений массива
array([10]).dtype # int64
-
itemsize
¶ Возвращает число, размер одного элемента массива
numpy.random.randint(10, size=(3, 4, 5)).itemsize # 8
-
nbytes
¶ Возвращает число, размер всех значений массива
numpy.random.randint(10, size=(3, 4, 5)).nbytes # 480
-
ndim
¶ array([ [4, 8], [10, 20] ]).ndim # 2
-
shape
¶ Размерность массива
array( [ [2, 4, 6, 8], [3, 3, 2, 1], [2, 6, 3, 4], [5, 2, 3, 5] ] ).shape # (4, 4)
-
size
¶ Количесвто элементов в массиве
numpy.random.randint(10, size=(3, 4, 5)).size # 60
-
argmax
([axis])¶ Индекс максимального элемента
array([2, 1, 9]).argmax() # 2
-
argmin
([axis])¶ Индекс минимального элемента
array([2, 1, 9]).argmin() # 1
-
clip
(min, max)¶ Сокращение
array([6, 2, 5, -1, 0]).clip(0, 5) # array([5, 2, 5, 0, 0])
-
diagonal
()¶ Получить диагональ
array([[1, 2], [3, 4]]).diagonal() # array([ 1, 4])
-
dot
(array)¶ array([2, 4]).dot(array([2, 4])) # 20
-
mean
()¶ Возвращает новый массив средних значений
sample = normal(loc=[2., 20.], scale=[1., 3.5], size=(3, 2)) """ array( [ [ 1.816 , 23.703 ], [ 2.8395, 12.2607], [ 3.5901, 24.2115] ] ) """ sample.mean(axis=0) # array([2.7486, 20.0584]) array([2, 1, 9]).mean() # 4
-
prod
()¶ Умножение элементов матриц
array([2, 3, 4]).prod() # 24
-
reshape
(size: tuple)¶ Изменяет размерность массива
arange(1, 10).reshape((3, 3)) """ array([ [1, 2, 3], [4, 5, 6], [7, 8, 9] ]) """ array([1, 2, 3]).reshape((1, 3)) # array([[1, 2, 3]])
-
sort
()¶
-
std
()¶ Девиация
array([2, 1, 9]).std() # 3.559
-
sum
()¶ Возвращает новый сложенный массив
arr = array( [ [1, 2, 3], [10, 20, 30] ] ) arr.sum(axis=0) // array([11, 22, 33]) arr.sum(axis=1) // array([6, 60]) array([2, 4, 3]).sum() # 9
-
var
()¶ Вариация
array([2, 1, 9]).var() # 12.666
-