파이썬[Python]: numpy - array 함수
numpy 모듈 - array 함수(function)
/// 설명
배열을 생성합니다.
object: 배열입니다. 만약 객체가 스칼라이면 0 차원입니다.
dtype: 출력할 배열의 데이터 형식입니다. the minimum type(?)
copy: 객체가 복사됩니다.(기본값 True 입니다.) 만약 False 라면 __array__ 가 복사본을 반환 또는 객체가 nested 시퀀스 이거나, 다른 조건(dtype, order)들을 만족하는 것이 필요로 될 때 복사가 이루어 집니다.
order: 결과물의 메모리 저장 형식을 결정합니다. 'C'는 C언어 형식, 'F'는 포트란 형식입니다. 'A'는 object 가 포트란 연속(Fortran contiguous)이면 'F', 아니면 'C'로 결정됩니다. 'K'는 object 의 차원(layout)에 가장 부합하는 형태로 결정되어집니다.
subok: True이면 생성되는 배열이 object 의 sub-class 형식을 사용합니다. 그렇지 않으면 base-class를 사용합니다. 기본값은 True 입니다.
ndmin: 반환되는 배열이 최소한으로 가지는 차원의 수를 지정합니다. 필요하다면 1로 채워집니다.
like: Numpy 배열이 아닌 형태로 생성하는 것을 허용합니다.(__array_function__ 프로토콜을 사용합니다.)
※ 형식
numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)
reference
https://numpy.org/devdocs/reference/generated/numpy.array.html
object: 배열입니다. 만약 객체가 스칼라이면 0 차원입니다.
dtype: 출력할 배열의 데이터 형식입니다. the minimum type(?)
copy: 객체가 복사됩니다.(기본값 True 입니다.) 만약 False 라면 __array__ 가 복사본을 반환 또는 객체가 nested 시퀀스 이거나, 다른 조건(dtype, order)들을 만족하는 것이 필요로 될 때 복사가 이루어 집니다.
order: 결과물의 메모리 저장 형식을 결정합니다. 'C'는 C언어 형식, 'F'는 포트란 형식입니다. 'A'는 object 가 포트란 연속(Fortran contiguous)이면 'F', 아니면 'C'로 결정됩니다. 'K'는 object 의 차원(layout)에 가장 부합하는 형태로 결정되어집니다.
subok: True이면 생성되는 배열이 object 의 sub-class 형식을 사용합니다. 그렇지 않으면 base-class를 사용합니다. 기본값은 True 입니다.
ndmin: 반환되는 배열이 최소한으로 가지는 차원의 수를 지정합니다. 필요하다면 1로 채워집니다.
like: Numpy 배열이 아닌 형태로 생성하는 것을 허용합니다.(__array_function__ 프로토콜을 사용합니다.)
※ 형식
numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)
reference
https://numpy.org/devdocs/reference/generated/numpy.array.html
/// 예제 array-like
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 | import numpy as np array = ((1, 2), (3, 4)) print(array) # ((1, 2), (3, 4)) test_np = np.array(array) print(test_np) # [[1 2] # [3 4]] test_np = np.array(array, dtype=complex) print(test_np) # [[1.+0.j 2.+0.j] # [3.+0.j 4.+0.j]] test_np = np.array([(1, 2), (3, 4)], dtype=[('a', '<i4'), ('b', '<i4')]) print(test_np['a']) # [1 3] print(test_np['b']) # [2 4] print(test_np) # [(1, 2) (3, 4)] test_dt = np.dtype('<i4') # '>': big-endian, '<': little-endian, '=': hardware-native print('Byteorder:', test_dt.byteorder) print('Size of Data(bytes):', test_dt.itemsize) print('Name:', test_dt.name) test_np = np.array(np.mat('1 2; 3 4'), subok=False) print(repr(test_np)) # array([[1, 2], # [3, 4]]) test_np = np.array(np.mat('1 2; 3 4'), subok=True) print(repr(test_np)) # matrix([[1, 2], # [3, 4]]) test_np = np.array(array, ndmin=3) print('n dimensions:', test_np.ndim) # n dimensions: 3 print(test_np) # [[[1 2] # [3 4]]] | cs |
* 실행환경: Microsoft Windows 10 Homes
* 인터프리터: 파이썬(Python 3.9)
– 당신을 응원합니다. –
댓글
댓글 쓰기