Skip to main content
Course overview
Skip to - Close
Skip to - Close

2.2 Eigenschaften von NumPy Arrays

Section outline

Overview

2.1 Erstellung von NumPy Arrays
2.3 Transformation von NumPy Arrays

  • 2.2 Eigenschaften von NumPy Arrays

    • Completion
      Students must
      Mark as done

      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].

    • Completion
      Students must
      Mark as done 
      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)
    • Completion
      Students must
      Mark as done

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

    • Completion
      Students must
      Mark as done 
      liste[0][0]=1.8
arr = np.array(liste)
print("Array erstellt (np.array(liste)):\n", arr, "\nDatentyp: ", arr.dtype)
    • Completion
      Students must
      Mark as done

      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.

    • Completion
      Students must
      Mark as done 
      print(liste)
arr = np.array(liste, dtype=np.int32)
print("Array erstellt (np.array(liste)):\n", arr, "\nDatentyp: ", arr.dtype)
    • Completion
      Students must
      Mark as done

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

    • Completion
      Students must
      Mark as done 
      arr = arr.astype(np.int64)
print("Datentyp: ", arr.dtype)
    • Completion
      Students must
      Mark as done

      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.

    • Completion
      Students must
      Mark as done 
      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])
    • Completion
      Students must
      Mark as done

      Größe des Arrays

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

    • Completion
      Students must
      Mark as done 
      print(np.size(arr))
    • Completion
      Students must
      Mark as done

      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:

    • Completion
      Students must
      Mark as done 
      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