Python - Learn Numpy

Last updated: August 25th, 20202020-08-25Project preview
numpy-basicnumpy-boolean-arraysnumpy-linear-algebra-and-sizenumpy-operations
In [2]:
import numpy as np
In [3]:
n = 5
In [4]:
n ** 5
Out[4]:
3125
In [5]:
np.int8
Out[5]:
numpy.int8
In [12]:
arr1 = np.array([1,5,6,9,45,-4])
In [13]:
arr2 = np.array([0.1, 0.8, 0.9, -0.45])
In [21]:
arr3 = np.array([4, -2, -45, 47, 129], dtype=np.int8)
In [9]:
arr1[0]
Out[9]:
1
In [17]:
arr2[2]
Out[17]:
0.9

Array Types

In [15]:
arr1
Out[15]:
array([ 1,  5,  6,  9, 45, -4])
In [16]:
arr1.dtype
Out[16]:
dtype('int64')
In [18]:
arr2.dtype
Out[18]:
dtype('float64')
In [22]:
arr3.dtype
Out[22]:
dtype('int8')
In [23]:
arr4 = np.array(['a', 'b', 'c'])
In [24]:
arr4.dtype
Out[24]:
dtype('<U1')

Dimensions and Shapes

In [25]:
A = np.array([
    [45, 58, 1],
    [-55, -14, -21]
])
In [26]:
A.shape
Out[26]:
(2, 3)
In [28]:
A.dtype
Out[28]:
dtype('int64')
In [27]:
A.nbytes
Out[27]:
48
In [29]:
A.size
Out[29]:
6
In [34]:
B = np.array([
    [
        [1, 2, 3],
        [-1, -2, -3]
    ],
    [
        [11, 22, 33],
        [-11, -22, -33]
    ]
])
In [35]:
B.shape
Out[35]:
(2, 2, 3)
In [37]:
B.ndim
Out[37]:
3

Indexing and Slicing of Matrices

In [38]:
# Square matrix
A = np.array([
    [1,2,3], #0
    [4,5,6], #1
    [7,8,9]  #2
])
In [39]:
A[2]
Out[39]:
array([7, 8, 9])
In [40]:
A[0][1]
Out[40]:
2
In [41]:
A[0:2]
Out[41]:
array([[1, 2, 3],
       [4, 5, 6]])
In [43]:
A[:1][0:]
Out[43]:
array([[1, 2, 3]])
In [45]:
A[2] = np.array([10,10,10])
In [46]:
A
Out[46]:
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [10, 10, 10]])
In [57]:
A[0] = -20
In [58]:
A
Out[58]:
array([[-20, -20, -20],
       [  4,   5,   6],
       [ 10,  10,  10]])

Summary Statistics

In [59]:
a = np.array([5, 9, -45, -4, 54, 1])
In [60]:
a.sum()
Out[60]:
20
In [61]:
a.mean()
Out[61]:
3.3333333333333335
In [62]:
a.var()
Out[62]:
832.8888888888888
In [63]:
A.sum()
Out[63]:
-15
In [65]:
A.mean()
Out[65]:
-1.6666666666666667
In [66]:
A.sum(axis=1) # Per row
Out[66]:
array([-60,  15,  30])
In [67]:
A.sum(axis=0) # Per column
Out[67]:
array([-6, -5, -4])
In [ ]:
Notebooks AI
Notebooks AI Profile20060