Python-Arrays

Grundlagen eines Arrays

NumPy ist das grundlegende Paket für numerische Berechnungen in Python und bietet ein leistungsstarkes Array-Objekt sowie eine Reihe von Funktionen für die effiziente Arbeit mit diesen Arrays. Die Vorteile von Numpy sind:

• Mehrdimensional: Unterstützt mehr als nur eindimensionale Arrays.

• Leistungsstarke Funktionen: Enthält eine riesige Bibliothek mit mathematischen und statistischen Funktionen.

• Vektorisierung: Ermöglicht Operationen auf ganzen Arrays, ohne dass man explizite Schleifen braucht, was die Leistung verbessert.

• Integration: Funktioniert super mit anderen wissenschaftlichen Bibliotheken wie SciPy, Pandas und Matplotlib.

Fangen wir an, mit Numpy ein Array zu erstellen. Zuerst importierst du NumPy und dann machst du mit der Funktion array() ein Array. Die Funktion array() braucht eine Liste als Eingabe.

import numpy

my_array = numpy.array([0, 1, 2, 3, 4])
print(my_array)

# Expected output: [0 1 2 3 4]

Der Typ my_array ist ein numpy.ndarray.

import numpy

my_array = numpy.array([0, 1, 2, 3, 4])
print(type(my_array))

# Expected output: <class 'numpy.ndarray'>

Array-Beispiele

Beispiel für die Erstellung eines Arrays

Im folgenden Beispiel machst du aus einer Liste ein Array mit der Funktion array() von NumPy. Du erstellst eine Liste namens a_list, die aus ganzen Zahlen besteht. Dann machst du mit der Funktion array() ein Array daraus.

import numpy as np

a_list = [1, 2, 3, 4]
print(a_list)

# Expected output: [1, 2, 3, 4]

import numpy as np

a_list = [1, 2, 3, 4]
an_array = np.array(a_list)
print(an_array)

# Expected output: [1 2 3 4]

Beispiel für eine Array-Operation

Im folgenden Beispiel addierst du zwei Numpy-Arrays. Das Ergebnis ist eine elementweise Summe beider Arrays.

import numpy as np

array_A = np.array([1, 2, 3])
array_B = np.array([4, 5, 6])

print(array_A + array_B)

# Expected output: [5 7 9]

Beispiel für Array-Indizierung

Du kannst ein bestimmtes Indexelement eines Arrays mit der Indexnotation auswählen.

import numpy as np

months_array = np.array(['Jan', 'Feb', 'March', 'Apr', 'May'])
print(months_array[3])

# Expected output: Apr

Du kannst auch mehrere Elemente mit der Slicing-Notation ausschneiden, indem du einen Bereich von Indizes angibst.

import numpy as np

months_array = np.array(['Jan', 'Feb', 'March', 'Apr', 'May'])
print(months_array[2:5])

# Expected output: ['March', 'Apr', 'May']

Interaktives Beispiel für eine Liste in einem Array

Im folgenden Beispiel importierst du numpy mit dem Alias np. Mach die Arrays prices_array und earnings_array aus den Listen prices und earnings. Schlussendlich druckt ihr beide Arrays aus.

import numpy as np

# Lists
prices = [170.12, 93.29, 55.28, 145.30, 171.81, 59.50, 100.50]
earnings = [9.2, 5.31, 2.41, 5.91, 15.42, 2.51, 6.79]

# NumPy arrays
prices_array = np.array(prices)
earnings_array = np.array(earnings)

# Print the arrays
print(prices_array)
print(earnings_array)

# Expected output:
# [170.12  93.29  55.28 145.3  171.81  59.5  100.5 ]
# [ 9.2   5.31  2.41  5.91 15.42  2.51  6.79]

Probier's doch mal aus.

Mehr über NumPy-Arrays in Python erfährst du in diesem Video aus unserem Kurs Einführung in Python für Finanzen.

Dieser Inhalt ist aus dem Kurs Einführung in Python für Finanzen von Adina Howe bei DataCamp.

Schau dir unser Python-Numpy-Array-Tutorial an.