В следующих примерах функция np.size() из NumPy показывает количество элементов данных в массиве, а функция np.std() используется для вычисления стандартного отклонения:
По сравнению с массивом Python массив NumPy представляет собой непрерывный фрагмент памяти, который передается непосредственно в LAPACK, которая представляет собой программную библиотеку для числовой линейной алгебры под капотом, поэтому манипуляции с матрицами в Python выполняются очень быстро. Массив в NumPy похож на матрицу в MATLAB. В отличие от списков в Python, массив должен содержать тот же тип данных, как показано в следующей строке кода:
>>> np.array ([100,0.1,2], dtype=float)
Настоящий тип данных - float64, а числовые значения по умолчанию - float64.
В предыдущем примере мы могли видеть, что функция np.array() преобразует список с тем же типом данных, в данном случае целым числом, в массив. Чтобы изменить тип данных, его следует указать с помощью второго входного значения, dtype, как показано в следующих строках кода:
В предыдущем примере dtype - это ключевое слово, определяющее тип данных. Для списка разные типы данных могут сосуществовать без каких-либо проблем. Однако при преобразовании списка, содержащего разные типы данных, в массив, появится сообщение об ошибке, как показано в следующих строках кода:
Чтобы показать все функции, содержащиеся в Numpy, после импорта модуля Numpy используется dir(np).
Ниже показаны первые несколько строк:
На самом деле, лучший способ - создать массив, содержащий все функции следующим образом:
Для отображения функций от 200 до 25 0 набирается x [200: 250]; см. следующий код:
Узнать больше о конкретной функции несложно. После выполнения dir(np) среди прочего появляется функция std(). Для получения дополнительных сведений об этой функции используется help(np.std). Ниже для краткости показано только несколько строк кода:
Функция возвращает стандартное отклонение, меру разброса распределения элементов массива. Стандартное отклонение вычисляется для плоского массива по умолчанию, в противном случае - по указанной оси:
