Запустить NumPy онлайн

Массивы NumPy (ndarray)

В этом уроке вы создадите двумерный массив NumPy и посмотрите его основные характеристики: форму (shape) и число элементов (size).

  • Средний
  • Чтение: 2 мин
  • Примеров для запуска: 1

Введение

Какую задачу это решает

Списки Python гибкие, но для вычислений над большим количеством чисел они медленные: чтобы прибавить 1 к миллиону значений, нужен цикл на Python. В науке, анализе данных и машинном обучении работают с большими сетками чисел, и для этого нужна структура, созданная для быстрых вычислений сразу над всеми значениями.

Пример из жизни

Массив NumPy похож на лист миллиметровки, где в каждой клетке число одного и того же вида. Поскольку все клетки одного размера и типа, можно работать сразу со строкой, столбцом или всем листом, а не обходить клетки по одной.

От миллиметровки к коду
np.array([[1, 2, 3], [4, 5, 6]])📄 Лист с 2 строками и 3 столбцами
values.shape📐 Его размер: (2, 3)
values.size🔢 Сколько всего клеток: 6
print(values)👀 Весь лист, строка за строкой
Все клетки одного типа, поэтому операции над целым массивом выполняются быстро.
Одним предложением

Массив NumPy (ndarray) - сетка значений одного типа данных с фиксированной формой, созданная для быстрых операций сразу над всеми элементами.

Главное

  1. np.array([[1, 2, 3], [4, 5, 6]]) превращает список списков в двумерный массив.
  2. values.shape равно (2, 3): две строки и три столбца.
  3. values.size считает все элементы: 6.
  4. Все элементы одного типа, и именно поэтому вычисления с массивами такие быстрые.

Когда это нужно?

  • Вычисления сразу над многими числами: баллы, измерения, цены.
  • Изображения: по сути это массивы значений пикселей.
  • Формат входных данных для большинства библиотек анализа данных и машинного обучения.

Когда это не нужно

  • Смешанные данные, например имена и числа вместе: лучше подойдёт DataFrame pandas или список словарей.
  • Коллекции, которые растут по одному элементу: при каждом добавлении массив копируется целиком, поэтому сначала соберите список.

Как это работает

Наведите на ячейку, чтобы увидеть её строку, столбец и место в памяти, где все строки хранятся одна за другой.

Пример кода

Запустить код →
main.py
import numpy as np

values = np.array([[1, 2, 3], [4, 5, 6]])

print(values)
print("shape:", values.shape)
print("size:", values.size)
Получить кнопку запуска для этого примера

Результат выполнения

[[1 2 3]
 [4 5 6]]
shape: (2, 3)
size: 6

Разбор кода

Функция np.array() создаёт из вложенного списка двумерный массив из 2 строк и 3 столбцов. Атрибут shape показывает размер каждого измерения, здесь (2, 3), а size общее число элементов, то есть 6.

Измените значения и запустите программу в онлайн-компиляторе Python CodeUtility без локальной установки Python.

Упражнения для практики

Попробуйте изменить код по подсказкам ниже. Если менять код и смотреть на результат, урок запомнится гораздо лучше, чем при простом чтении.

  1. Измените форму (shape) и тип данных (dtype) входного массива.
  2. Проверьте работу на отрицательных и дробных числах и пропущенных значениях.
  3. Примените ту же операцию к большему многомерному массиву и измерьте время.
Запустить в компиляторе Python →

Частые ошибки

Строки разной длины

Из строк разной длины не получится правильный двумерный массив.

Ошибка
np.array([[1, 2, 3], [4, 5]])  # error or object array
Исправление
np.array([[1, 2, 3], [4, 5, 6]])

Закончили этот урок?

Отметьте его как изученный, чтобы следить за прогрессом.

Попрактикуйтесь на задаче

Примените материал этого урока к реальной задаче. Каждая задача запускается в браузере, с мгновенными тестами и разбором от ИИ.

Все задачи