NumPy Objeleri

Veri tipi objeleri

Data type objeleri, numpy.dtype sınıfının instance’larıdır. Önceki yazılarımda belirttiğim gibi dizilerin belirli bir type’ı vardır. Dizimizin byte türünden buyüklüğüne ulaşmak için

dizi1.dtype.itemsize fonksiyonunu kullanmamız yeterli olacaktır.

In: a = array([[1,2],[3,4]])
In: a.dtype.itemsize
Out: 8

Temsili görsel ile daha iyi anlayabilirsiniz.

 

 

Karakter kodları

i – integer

u – unsigned integer

f – single precision float

d – double precision float

b – bool

D – complex

S – string

U – unicode

V – void

Karakter kodlarına örnek verecek olursak:

In: arange(7, dtype='D')
Out: array([ 0.+0.j,  1.+0.j,  2.+0.j,  3.+0.j,  4.+0.j, 5.+0.j,  6.+0.j])

dtype özellikleri

Şimdi data tipleri nasıl create edilir onu göstermek istiyorum. İlk olarak float türünden başlayalım.

sctypeDict.keys(): Tüm data tiplerine ulaşmanıza yarar.

In: dtype(float)
Out: dtype('float64')
In: dtype('f')
Out: dtype('float32')
In: dtypwe('d')
Out: dtype('float64')
In: dtype('f8')
Out: dtype('float64')

Dilimleme ve indexleme

İlk olarak tek boyutta yapalım işlemlerimizi

0’dan 9’a array oluşturalım ve 3’ten 7’ye kadar olan kısmını shell ekranına yazdıralım.

In: a = arange(9)
In: a[3:7]
Out: array([3, 4, 5, 6])

2’şer artan şeklinde yazdıralım

In: a[:7:2]
Out: array([0, 2, 4, 6])

İndekslemede en sona -1 koyduğumuzda tersten yazdırma işlemini yaparız

In: a[::-1]
Out: array([8, 7, 6, 5, 4, 3, 2, 1, 0])

Şimdide multidimension’da yapalım.

In: b = arange(24).reshape(2,3,4)
In: b.shape
Out: (2, 3, 4)
In: b
Out:
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])

İndeksleme işlemini şu şekilde yapabiliriz, dizinin ilk elemanını seçmek istiyoruz diyelim

In: d=b[0,0,0]
In: d
Out: 0

 

Leave a Reply

Your email address will not be published. Required fields are marked *