Αποθηκεύστε τα αρχεία που σας δίνονται στον υπολογιστή σας και χρησιμοποιώντας την υλοποίηση της python που προτιμάτε απαντήστε στην ερώτηση.
array
, η οποία δίνει τη δυνατότητα να ορισθούν διανύσματα και
πίνακες.
Το array
είναι μια δομή που μοιάζει με τη δομή
list
της Python.
Σε αντίθεση με τη list
η διάσταση ενός
array
είναι ορισμένη από την αρχή και
αποθηκεύει αντικείμενα που είναι μόνο του ίδου τύπου
(δηλ. int
, float
,
boolean
, str
, ...)
array([10, 20, 30])
δημιουργούμε ένα αντικείμενο array που έχει διάσταση 1. Είναι το διάνυσμα [10, 20, 30].
Numpy7-array.py
ndim
, δηλαδή αν a είναι ένα array τότε
η a.ndim δηλώνει τη διάσταση του a.
Φτιάξτε ένα array με 5 ακεραίους, ή με 5 πραγματικούς
ή με 5 strings και χρησιμοποιήστε τις ndim (διάσταση),
shape (μορφή) και dtype (τύπος) για να δείτε τις
αντίστοιχες ιδιότητες του a.
Numpy7-array2.py
array
, π.χ. το array([[1,2],[2,3]])
δηλώνει ένα πίνακα 2 διαστάσεων (γραμμές και στήλες). Προσέξτε τη θέση των [ και ] για τον ορισμό των γραμμών και στηλών του πίνακα.
Numpy7-array3.py
arange
μπορούμε να δημιουργήσουμε ένα 1-διάστατο array
με στοιχεία ακεραίους, όπως και με την range
στην
python. Σε αντίθεση όμως με την range
μπορούμε να
χρησιμοποιήσουμε και πραγματικούς.
Numpy7-array4.py
linspace
μπορούμε να
δημιουργήσουμε ένα 1-διάστατο array
με ορισμένο
αριθμό ισαπέχοντων πραγματικών
αριθμών. Επίσης με την εντολή zeros(m)
δημιουργήσουμε ένα array
με m αριθμό
μηδενικών και με την ones(m)
ένα
array
με m αριθμό μονάδων. Επίσης με την εντολή
zeros((m,n))
δημιουργούμε 2-διάστατα arrays
\(m\times n\).
Numpy7-linspace.py
array
,
δηλαδή ένα 1-διάστατο array
μπορεί να γίνει
2-διάστατο. Χρησιμοποιούμε την
εντολή reshape
και ο μόνος περιορισμός που έχουμε
είναι ότι το
νέο array
πρεπει να έχει το ίδιο πλήθος στοιχείων με το παλιό.
Numpy7-reshape.py
array
όπως και στις π.χ. στις λίστες. Το ίδιο
ισχύει και για το κομμάτιασμα.
Δημιουργείστε ένα 1-διάστατο array
10 στοιχείων
και τυπώστε το στοιχείο με δείκτη 5. Επίσης τυπώστε το κομμάτι από 1 έως και το 5, καθώς τα στοιχεία με δείκτες από 1 έως 9 με βήμα 2.
Numpy7-slicing.py
A[i,j]
παίρνουμε το στοιχείο του πίνακα στην i γραμμή και j στήλη.
Numpy7-slicing2.py