รัน NumPy ออนไลน์

อาร์เรย์ของ NumPy (ndarray)

ในบทเรียนนี้ คุณจะสร้างอาร์เรย์ NumPy สองมิติและดูข้อมูลพื้นฐาน เช่น รูปร่าง (shape) และจำนวนสมาชิก (size)

  • ระดับกลาง
  • อ่าน 2 นาที
  • ตัวอย่างที่รันได้ 1 ตัวอย่าง

บทนำ

ปัญหาที่ต้องแก้

ลิสต์ของ Python ยืดหยุ่นก็จริง แต่ช้าเมื่อต้องคำนวณกับตัวเลขจำนวนมาก เช่น ถ้าจะบวก 1 ให้ทุกค่าในล้านค่า ต้องเขียนลูปของ Python งานวิทยาศาสตร์ การวิเคราะห์ข้อมูล และ machine learning ต้องทำงานกับตารางตัวเลขขนาดใหญ่ จึงต้องการโครงสร้างข้อมูลที่ออกแบบมาให้คำนวณกับทุกค่าพร้อมกันได้อย่างรวดเร็ว

ลองนึกภาพแบบนี้

อาร์เรย์ของ NumPy เหมือนกระดาษกราฟที่ทุกช่องเก็บตัวเลขชนิดเดียวกัน และทุกช่องมีขนาดเท่ากัน เราจึงทำงานกับทั้งแถว ทั้งคอลัมน์ หรือทั้งแผ่นได้ในคราวเดียว ไม่ต้องไล่ทีละช่อง

จากกระดาษกราฟสู่โค้ด
np.array([[1, 2, 3], [4, 5, 6]])📄 กระดาษหนึ่งแผ่นที่มี 2 แถว 3 คอลัมน์
values.shape📐 ขนาดของแผ่น: (2, 3)
values.size🔢 มีทั้งหมดกี่ช่อง: 6
print(values)👀 ทั้งแผ่น ทีละแถว
ทุกช่องเป็นชนิดเดียวกัน การคำนวณกับทั้งอาร์เรย์จึงเร็ว
สรุปในประโยคเดียว

อาร์เรย์ของ NumPy (ndarray) คือตารางของค่าที่มีชนิดข้อมูลเดียวกันทั้งหมดและมีรูปร่าง (shape) คงที่ ออกแบบมาให้ทำงานกับทุกสมาชิกพร้อมกันได้อย่างรวดเร็ว

ประเด็นสำคัญ

  1. np.array([[1, 2, 3], [4, 5, 6]]) เปลี่ยนลิสต์ของลิสต์เป็นอาร์เรย์ 2 มิติ
  2. values.shape เป็น (2, 3): สองแถวและสามคอลัมน์
  3. values.size นับสมาชิกทั้งหมด: 6
  4. ทุกสมาชิกมีชนิดเดียวกัน และนี่คือเหตุผลที่การคำนวณกับอาร์เรย์เร็ว

ใช้เมื่อไร?

  • คำนวณกับตัวเลขจำนวนมากพร้อมกัน เช่น คะแนน ค่าที่วัดได้ ราคา
  • รูปภาพ ซึ่งเป็นอาร์เรย์ของค่าพิกเซล
  • เป็นรูปแบบอินพุตที่ไลบรารี data science และ machine learning ส่วนใหญ่ใช้

เมื่อไรยังไม่จำเป็น

  • ข้อมูลผสม เช่น ชื่อและตัวเลขรวมกัน: DataFrame ของ pandas หรือลิสต์ของ dictionary เหมาะกว่า
  • ข้อมูลที่ทยอยเพิ่มทีละรายการ: การต่อท้ายอาร์เรย์ต้องคัดลอกทั้งอาร์เรย์ทุกครั้ง ให้เก็บใส่ลิสต์ก่อน

ดูการทำงาน

ชี้ที่ช่องเพื่อดูแถว คอลัมน์ และตำแหน่งในหน่วยความจำ ซึ่งเก็บทุกแถวต่อกันไปเรื่อย ๆ

โค้ดตัวอย่าง

รันโค้ด →
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)
สร้างปุ่ม Run สำหรับตัวอย่างนี้

ผลลัพธ์จากการรัน

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

อธิบายโค้ด

ฟังก์ชัน np.array() สร้างอาร์เรย์สองมิติขนาด 2 แถว 3 คอลัมน์จากลิสต์ซ้อน แอตทริบิวต์ shape บอกขนาดของแต่ละมิติ ในที่นี้คือ (2, 3) และ size บอกจำนวนสมาชิกทั้งหมด คือ 6

เปลี่ยนค่าและรันโปรแกรมด้วย คอมไพเลอร์ Python ออนไลน์ของ CodeUtility โดยไม่ต้องติดตั้ง Python

แบบฝึกหัดเพิ่มเติม

ลองแก้โค้ดตามคำแนะนำด้านล่าง การเปลี่ยนโค้ดแล้วดูผลลัพธ์จะช่วยให้เข้าใจบทเรียนได้ดีกว่าการอ่านอย่างเดียวมาก

  1. เปลี่ยนรูปร่าง (shape) และชนิดข้อมูล (dtype) ของอาร์เรย์อินพุต
  2. ทดสอบกับเลขติดลบ ทศนิยม และค่าที่หายไป
  3. ใช้การคำนวณเดียวกันกับอาร์เรย์หลายมิติที่ใหญ่ขึ้นและจับเวลา
รันในคอมไพเลอร์ Python →

ข้อผิดพลาดที่พบบ่อย

แถวยาวไม่เท่ากัน

ถ้าแต่ละแถวยาวไม่เท่ากัน จะไม่ได้อาร์เรย์ 2 มิติที่ถูกต้อง

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

เรียนบทนี้จบแล้วใช่ไหม

ทำเครื่องหมายว่าเรียนแล้วเพื่อติดตามความคืบหน้า

ฝึกด้วยโจทย์

ใช้สิ่งที่เรียนในบทนี้แก้ปัญหาจริง ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันทีและรีวิวจาก AI

โจทย์ทั้งหมด