NumPy

NumPy è una Libreria Python open-source fondamentale per il calcolo scientifico in Python. Fornisce un oggetto array multidimensionale, vari oggetti derivati (come array e matrici mascherate) e un assortimento di routine per operazioni veloci sugli array, tra cui operazioni matematiche, logiche, manipolazione di forme, ordinamento, selezione, I/O, trasformate di Fourier discrete, algebra lineare di base, operazioni statistiche di base, simulazione casuale e molto altro.

import numpy as np

Cos’è un array NumPy?

Array (NumPy)

Un'array NumPy (ndarray) è una griglia di valori contenente dati dello stesso tipo, immagazzinati in settori contigui della memoria.

• Gli array NumPy permettono operazioni semplificate e più veloci, utilizzando meno memoria rispetto alle Liste Python.
• Gli array possono essere monodimensionali (vettori), bidimensionali (matrici), tridimensionali e oltre (tensori).

Attributi di un’array NumPy

Un’array ha diversi attributi:

• ndim (intero): il numero di dimensioni dell’array (1 per un vettore, 2 per una matrice..)
• shape (tupla di ndim interi): le dimensioni dell’array
• size (intero): il numero totale di elementi dell’array
• dtype (oggetto dtype): un oggetto che indica il tipo di dato degli elementi dell’array.
• itemsize (intero): le dimensioni in byte di ciascun elemento
• data (oggetto memoryview): un riferimento alla porzione di memoria che contiene i dati

Come definire il tipo di dato dell'array

Per definire il tipo di dati dell’array si utilizza il parametro dtype.

np.array([1.,2.,3], dtype=float)

dtype riconosce ad esempio: int, float uint (numeri interi positivi), complex..

Codice esempio

>>>a = np.array([ [1,2,3] , [4,5,6] ]) # matrice 2x3
>>>print('a.ndim ({0}) = {1}'.format(type(a.ndim),a.ndim))
>>>print('a.shape ({0}) = {1}'.format(type(a.shape),a.shape))
>>>print('a.size ({0}) = {1}'.format(type(a.size),a.size))
>>>print('a.dtype ({0}) = {1}'.format(type(a.dtype),a.dtype))
>>>print('a.itemsize ({0}) = {1}'.format(type(a.itemsize),a.itemsize))
>>>print('a.data ({0}) = {1}'.format(type(a.data),a.data))
 
a.ndim (<class 'int'>) = 2
a.shape (<class 'tuple'>) = (2, 3)
a.size (<class 'int'>) = 6
a.dtype (<class 'numpy.dtype'>) = int32
a.itemsize (<class 'int'>) = 4
a.data (<class 'memoryview'>) = <memory at 0x02D69300>

Array creation routines (NumPy)

NumPy permette di creare diversi tipi di array velocemente a seconda delle proprie esigenze. Ci sono almeno quattro possibili strategie per creare un array in NumPy:

• Conversione di altre strutture dati Python compatibili (liste, tuple..).
• Funzioni specifiche NumPy(arange, ones, zeros, ecc..)
• Lettura array dal disco (da formati standard e non)
• Creazione di array di byte non elaborati attraverso stringhe o buffer

Indexing e slicing su NumPy array

Le operazioni di indexing e slicing permettono di selezionare o estrarre solo una parte degli elementi di un array NumPy.

Link all'originale