Zum Hauptinhalt
Kursbeschreibung
Direkt zu - Schließen
Direkt zu - Schließen

2.2 Eigenschaften von NumPy Arrays

Abschnittsübersicht

Zur Übersicht

2.1 Erstellung von NumPy Arrays
2.3 Transformation von NumPy Arrays

  • 2.2 Eigenschaften von NumPy Arrays

    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen

      Eigenschaften von NumPy Arrays

      Datentyp von NumPy Arrays

      Bei der Erstellung eines NumPy Array wird der Datentype dtype des Arrays automatisch festgelegt. Dieser ist für alle Elemente des Arrays gleich. Der Datentyp wird so festgelegt, dass keine Daten verloren gehen.

      Der Zugriff auf Array Elemente funktioniert, wie bei Listen mithilfe geschweifter Klammern, z.B. arr[1].

    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen 
      import numpy as np
liste = [[1, 2, 3, 4, 5],[6,7,8,9,10]]
arr = np.array(liste)
print("Array erstellt (np.array(liste)):\n", arr, "\nDatentyp: ", arr.dtype)
    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen

      Verändern wir nur ein einziges Element der Liste zu einem Float, so ändert sich der Datentyp des gesamten daraus erstellten Arrays:

    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen 
      liste[0][0]=1.8
arr = np.array(liste)
print("Array erstellt (np.array(liste)):\n", arr, "\nDatentyp: ", arr.dtype)
    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen

      Wenn der Datentyp festgelegt werden soll, weil z.B. nur Ganzzahlen verwendet werden sollen, kann dies beim Erstellen des Arrays festgelegt werden. Alle Nachkommastellen werden abgeschnitten.

    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen 
      print(liste)
arr = np.array(liste, dtype=np.int32)
print("Array erstellt (np.array(liste)):\n", arr, "\nDatentyp: ", arr.dtype)
    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen

      Alternativ kann der Datentyp auch später noch mit der arr.astype() Funktion geändert werden:

    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen 
      arr = arr.astype(np.int64)
print("Datentyp: ", arr.dtype)
    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen

      Zudem ist zu beachten, dass für die Elemente des Arrays nur noch begrenzt viel Speicherplatz zur Verfügung steht. Wir müssen nun also selbst dafür sorgen, dass keine Überläufe entstehen und der Datentyp eine ausreichende Genauigkeit bietet.

    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen 
      arr = np.arange(0,8,1)  #Start=0, Stop = 8 (exklusiv) Schritt = 1 -> 0...7
print(arr.dtype)
for i in range(1,32):
    arr[2]*=2
    print(arr[2])
    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen

      Größe des Arrays

      Die Größe eines Arrays kann mithilfe der np.size() Funktion ermittelt werden. Sie gibt die Anzahl an Elementen im Array zurück.

    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen 
      print(np.size(arr))
    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen

      Form des Arrays

      Die Form des Arrays lässt sich über shape abfragen. Die Form des Arrays entspricht den einzelnen Dimensionen des Arrays. Diese haben wir im vorherigen Kapitel bereits für die Erstellung der Arrays genutzt:

    • Abschluss
      Teilnehmer/innen müssen
      Als erledigt kennzeichnen 
      arr = np.zeros((2,3,5))
print("Array erstellt (np.array(liste)):\n",arr,"\nForm des Arrays:",arr.shape)
2.1 Erstellung von NumPy Arrays
2.3 Transformation von NumPy Arrays