Page 139 - 6734

зручних і ефективних чисельних процедур (для інтегрування,
оптимізації, інтерполяції, статистики, обробки сигналів та іншого)
[14, 25, 31]. NumPy та SciPy можна розглядати як вільну
альтернативу MATLAB. У прикладах використовується NumPy
1.13.3 та SciPy 0.19.1. У цьому прикладі показані базові операції з
масивами: створення, властивості, доступ до частин масиву (зрізи),
зміна форми, арифметичні операції, математичні функції, способи
індексації, збереження у файлах, створення масивів із різнотипними
елементами.

import numpy as np
#print numpy.lookfor("create array") # шукати "create
array" серед документації

# створення масивів:
np.array([1.0,2.0,3.0,4.0]) # одновимірний масив
np.array([1,2,3,4], dtype=int) # одновимірний масив
цілих чисел
np.array([[1.0,2],[3,4]]) # двовимірний масив дійсних
чисел
print np.array(range(6)) # одновимірний масив із
прогресії
np.arange(6) # або так
print np.linspace(start=0,stop=10,num=5) # масив із
рівномірно розподіленими значеннями
np.zeros((2,2)) # двовимірний нульовий масив
np.ones(2) # одновимірний масив з одиниць
np.full(2, 1) # або так
np.identity(2) # одинична матриця
np.random.random(5) # масив із випадковими значеннями
np.random.normal(loc=5, scale=1, size=5) # масив із
випадковими значеннями (нормальний закон)

a=np.array([[1,2,3], [4,5,6]])
a.ndim # кількість вимірів масиву

138