Python-arrays

De basis van een array

NumPy is het fundament voor numerieke computing in Python en biedt een krachtig array-object en een reeks functies om efficiënt met deze arrays te werken. De voordelen van NumPy zijn:

• Multidimensionaal: Ondersteunt meer dan alleen eendimensionale arrays.

• Krachtige bewerkingen: Bevat een uitgebreide bibliotheek met wiskundige en statistische functies.

• Vectorisatie: Maakt bewerkingen op hele arrays mogelijk zonder expliciete lussen, wat de prestaties verbetert.

• Integratie: Werkt naadloos samen met andere wetenschappelijke bibliotheken zoals SciPy, Pandas en Matplotlib.

Laten we beginnen met het maken van een array met NumPy. Je importeert eerst NumPy en gebruikt vervolgens de functie array() om een array te maken. De functie array() neemt een lijst als invoer.

import numpy

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

# Expected output: [0 1 2 3 4]

Het type van my_array is een numpy.ndarray.

import numpy

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

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

Array-voorbeelden

Voorbeeld van het maken van een array

In het onderstaande voorbeeld zet je een lijst om naar een array met de functie array() uit NumPy. Je maakt een lijst a_list met gehele getallen. Zet deze vervolgens met de functie array() om naar een array.

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]

Voorbeeld van een array-bewerking

In het onderstaande voorbeeld tel je twee NumPy-arrays op. Het resultaat is een elementgewijze som van beide 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]

Voorbeeld van array-indexering

Je kunt een specifiek element op een bepaalde index uit een array selecteren met indexnotatie.

import numpy as np

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

# Expected output: Apr

Je kunt ook een bereik van elementen slicen met de slicing-notatie door een bereik van indexen op te geven.

import numpy as np

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

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

Interactief voorbeeld: van lijst naar array

In het onderstaande voorbeeld importeer je numpy met de alias np. Maak de arrays prices_array en earnings_array op basis van respectievelijk de lijsten prices en earnings. Print tot slot beide arrays.

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]

Probeer het zelf.

Wil je meer leren over NumPy-arrays in Python? Bekijk dan deze video uit onze cursus Introduction to Python for Finance.

Deze content is afkomstig uit DataCamp's cursus Introduction to Python for Finance van Adina Howe.

Bekijk ook onze Python Numpy Array Tutorial.