Heim  >  Artikel  >  Backend-Entwicklung  >  So konvertieren Sie eine Liste in Numpy

So konvertieren Sie eine Liste in Numpy

DDD
DDDOriginal
2023-11-22 11:29:473215Durchsuche

So konvertieren Sie eine Liste in Numpy: 1. Verwenden Sie die Funktion numpy.array(). Der erste Parameter dieser Funktion ist ein Listenobjekt, das eine eindimensionale oder mehrdimensionale Liste sein kann. Funktion asarray(). Diese Funktion versucht, den Datentyp der Eingabeliste zu verwenden. 3. Verwenden Sie die Funktion numpy.reshape(), um eine eindimensionale Liste in ein mehrdimensionales NumPy-Array umzuwandeln. Bei der Funktion iter() ist der erste Parameter dieser Funktion ein iterierbares Objekt.

So konvertieren Sie eine Liste in Numpy

Das Betriebssystem dieses Tutorials: Windows 10-System, Python-Version 3.11.4, Dell G3-Computer.

In Python verwenden wir häufig Listen und NumPy-Arrays zum Speichern und Verarbeiten von Daten. Eine Liste ist ein geordneter, veränderlicher Container, der jede Art von Daten speichern kann. Ein NumPy-Array ist ein mehrdimensionales numerisches Array-Objekt, das zum Speichern und Verarbeiten großer Datensätze verwendet wird.

Das Konvertieren von Listen in NumPy-Arrays kann viele Vorteile bringen, wie zum Beispiel:

NumPy-Arrays arbeiten schneller: NumPy ist unten in der C-Sprache geschrieben und kann große Datenmengen effizient und schneller verarbeiten als die Listen von Python.

NumPy-Array-Operationen sind prägnanter: NumPy bietet viele praktische Funktionen und Methoden zum Verarbeiten von Arrays, wodurch der Code prägnanter und lesbarer wird.

NumPy-Arrays sind leistungsfähiger: NumPy bietet eine große Anzahl mathematischer und statistischer Funktionen, die die Datenanalyse und wissenschaftliche Berechnungen erleichtern können.

Hier gibt es mehrere Möglichkeiten, eine Liste in ein NumPy-Array zu konvertieren:

1. Verwenden Sie die Funktion numpy.array(): Die Funktion numpy.array() kann eine Liste in ein NumPy-Array konvertieren. Der erste Parameter dieser Funktion ist ein Listenobjekt, das eine eindimensionale oder mehrdimensionale Liste sein kann. Zum Beispiel:

import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)
print(my_array)

Ausgabeergebnis:

[1 2 3 4 5]

2. Verwenden Sie die Funktion numpy.asarray(): Die Funktion numpy.asarray() kann die Liste in ein NumPy-Array konvertieren. Im Gegensatz zur Funktion numpy.array() versucht die Funktion numpy.asarray(), den Datentyp der Eingabeliste zu verwenden. Zum Beispiel:

import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.asarray(my_list)
print(my_array)

Ausgabeergebnis:

[1 2 3 4 5]

3. Verwenden Sie die Funktion numpy.reshape(): Die Funktion numpy.reshape() kann die Dimensionen des Arrays ändern und eine eindimensionale Liste in ein mehrdimensionales NumPy konvertieren Array. Zum Beispiel:

import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.reshape(my_list, (5, 1))
print(my_array)

Ausgabeergebnis:

[[1]
 [2]
 [3]
 [4]
 [5]]

4. Verwenden Sie die Funktion numpy.fromiter(): Die Funktion numpy.fromiter() kann ein NumPy-Array aus einem iterierbaren Objekt erstellen. Der erste Parameter dieser Funktion ist ein iterierbares Objekt, z. B. eine Liste, ein Tupel usw. Zum Beispiel:

import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.fromiter(my_list, dtype=int)
print(my_array)

Ausgabeergebnis:

[1 2 3 4 5]

Zusammenfassung: Die oben genannten Möglichkeiten sind mehrere Möglichkeiten, eine Liste in ein NumPy-Array zu konvertieren. Je nach tatsächlichem Bedarf kann die Auswahl einer geeigneten Konvertierungsmethode die Effizienz und Lesbarkeit des Codes verbessern. Die Funktionalität und Leistung von NumPy-Arrays machen es zu einem wichtigen Werkzeug für die Datenverarbeitung und das wissenschaftliche Rechnen.

Das obige ist der detaillierte Inhalt vonSo konvertieren Sie eine Liste in Numpy. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Stellungnahme:
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn