Wie erstellt man ein NumPy Array in Python?

1. Einleitung
2. NumPy importieren
3. Ein einfaches Array erstellen
4. Arrays mit mehreren Dimensionen
5. Weitere Methoden zum Erstellen von Arrays
6. Fazit

Einleitung

NumPy ist eine weit verbreitete Bibliothek in Python, die leistungsstarke Funktionen für numerische Berechnungen und die Arbeit mit Arrays bietet. Ein zentraler Bestandteil von NumPy ist das Erstellen von Arrays, welche effizienter und vielseitiger sind als herkömmliche Python-Listen.

NumPy importieren

Bevor Sie ein Array mit NumPy erstellen können, müssen Sie zunächst die Bibliothek importieren. Dies geschieht in der Regel mit dem Kurznamen np:

Dieser Import ermöglicht Ihnen den Zugriff auf sämtliche Funktionen von NumPy unter Verwendung des Kürzels np.

Ein einfaches Array erstellen

Um ein Array zu erstellen, verwendet man die Funktion np.array(). Dabei übergibt man eine Python-Liste oder eine verschachtelte Liste als Argument. Dies erzeugt ein neues NumPy Array mit den entsprechenden Daten:

Das Ergebnis ist ein NumPy Array, das dieselben Werte enthält, aber die Vorteile von NumPy Arrays bietet, wie schnellere Verarbeitung und erweiterte mathematische Operationen.

Arrays mit mehreren Dimensionen

Ebenso ist es möglich, mehrdimensionale Arrays zu erzeugen, indem man verschachtelte Listen an np.array() übergibt. Ein zweidimensionales Array könnte so aussehen:

Diese Struktur stellt eine Matrix dar, die in vielen mathematischen und wissenschaftlichen Anwendungen verwendet wird.

Weitere Methoden zum Erstellen von Arrays

Neben np.array() bietet NumPy auch andere hilfreiche Funktionen zum Erzeugen von Arrays, beispielsweise np.zeros() für ein Array, das mit Nullen gefüllt ist, oder np.ones() für ein Array mit Einsen. Ebenso kann np.arange() verwendet werden, um Arrays mit gleichmäßig verteilten Werten zu erzeugen.

Fazit

Das Erstellen eines NumPy Arrays ist ein grundlegender Schritt bei der Arbeit mit numerischen Daten in Python. Indem man np.array() nutzt und die Bibliothek richtig importiert, kann man effizient mit ein- oder mehrdimensionalen Datenstrukturen arbeiten und von den vielfältigen Funktionen profitieren, die NumPy bietet.