Библиотека Numpy. Копии и представления

Ранее мы уже говорили про такую проблему со списками, когда при присваивании новой переменной и последующем изменении изначальный список тоже меняется. Такая же ситуация происходит и в numpy. По умолчанию мы не создаем новый объект, а лишь передаем ссылку на него.

Поскольку Numpy более гибкий, то и инструментов у него больше:
Представление (поверхностное копирование) и глубокое копирование.

Представление - позволяет как угодно изменять форму, но при изменении данных меняются данные и у изначального массива. Можно получить через срез.

Глубокое копирование - создается новый объект, который не имеет ничего общего со старым (кроме набора данных, но хранятся они уже в разных ячейках памяти)

#numpy

Библиотека Numpy

Важнейшей темой безусловно являются срезы. Что неудивительно, только научившись ими владеть, вы поймете, что это просто необходимы инструмент для обработки данных.

Способ очень похож на работу со списками. array[a:b], срезать с элемента a по элемент b. Вот только можно сразу использовать элементы, к примеру простейшие операции. Нельзя только удалять!

Срезы позволяют элегантно получать нужный столбец array[:, a], где a index нужного столбца.

#numpy

Библиотека Numpy

Надеемся что вы плодотворно поработали с возможностями Numpy. Но вот красивый вывод вы скорее всего не получили. И, правда, выглядит вывод часто очень страшно, а вывести определенное кол-во элементов кажется проблемой. Но есть метод set_printoptions, который нужен для управления выводом.
Метод принимает следующие аргументы:

precision — количество отображаемых цифр после запятой (по умолчанию 8)

threshold — количество элементов в массиве, вызывающее обрезание элементов (по умолчанию 1000)

edgeitems — количество элементов в начале и в конце каждой размерности массива (по умолчанию 3)

linewidth — количество символов в строке, после которых осуществляется перенос (по умолчанию 75)

suppress — если True, не печатает маленькие значения в scientific notation (по умолчанию False)

nanstr — строковое представление NaN (по умолчанию 'nan')

infstr — строковое представление inf (по умолчанию 'inf')

#numpy

Библиотека Numpy "Базовые операции"

В Numpy очень просто реализованы простейшие операции: сложение, вычитание, умножение и деление. Единственное, что для этого массивы должны быть одинаковыми.

Даже фильтрация возможна простейшим знаком. В массивах можно не перебирать через итератор filters, а просто поставить нужный знак.

Доступны так же математические операции: синус, косинус и подобные

#numpy