NumPy ist ein universelles Array-Verarbeitungspaket. Es bietet ein leistungsstarkes mehrdimensionales Array-Objekt und Tools für die Arbeit mit diesen Arrays. Es ist das grundlegende Paket für wissenschaftliches Rechnen mit Python. Numpy wird grundsätzlich zum Erstellen eines Arrays mit n Dimensionen verwendet.

Vektoren werden aus Komponenten aufgebaut, die gewöhnliche Zahlen sind. Wir können uns einen Vektor als eine Liste von Zahlen und eine Vektoralgebra als Operationen vorstellen, die an den Zahlen in der Liste ausgeführt werden. Mit anderen Worten ist der Vektor das numpy 1-D-Array.

Um einen Vektor zu erstellen, verwenden wir die np.arrayMethode.

Syntax: np.array (Liste)

Argument: Es kann eine 1-D-Liste sein, es kann 1 Zeile und n Spalten oder n Zeilen und 1 Spalte sein



Rückgabe: Gibt den Vektor numpy.ndarray zurück

Hinweis: Wir können Vektoren auch mit anderen Methoden erstellen, die beispielsweise ein 1-D-Numpy-Array zurückgeben np.arange(10)und np.zeros((4, 1))ein 1-D-Array ergeben. Am besten ist jedoch die Verwendung np.arraymit der 1-D-Liste.

Erstellen eines Vektors
In diesem Beispiel erstellen wir einen horizontalen und einen vertikalen Vektor

import numpy as np 
  
list1 = [1, 2, 3] 
  
list2 = [[10], 
        [20], 
        [30]] 
  
vector1 = np.array(list1) 
  
vector2 = np.array(list2) 
  
  
print("Horizontal Vector") 
print(vector1) 
  
print("----------------") 
  
print("Vertical Vector") 
print(vector2)

Ausgabe :

Horizontaler Vektor
[1 2 3]
----------------
Vertikaler Vektor
[[10]
 [20]
 [30]]

Grundlegende arithmetische Operation:
In diesem Beispiel werden arithmetische Operationen ausgeführt, die elementweise zwischen zwei Vektoren gleicher Länge liegen, um einen neuen Vektor mit derselben Länge zu erhalten

import numpy as np 
  
list1 = [5, 6, 9] 
  
list2 = [1, 2, 3] 
  
vector1 = np.array(list1) 
  
print("First Vector          : " + str(vector1)) 
  
vector2 = np.array(list2) 
  
print("Second Vector         : " + str(vector2)) 
  
addition = vector1 + vector2 
  
print("Vector Addition       : " + str(addition)) 
  
subtraction = vector1 - vector2 
  
print("Vector Substraction   : " + str(subtraction)) 
  
multiplication = vector1 * vector2 
  
print("Vector Multiplication : " + str(multiplication)) 
  
division = vector1 / vector2 
  
print("Vector Division       : " + str(multiplication)) 
   

Ausgabe :

Erster Vektor: [5 6 9]
Zweiter Vektor: [1 2 3]
Vektoraddition: [6 8 12]
Vektorsubtraktion: [4 4 6]
Vektormultiplikation: [5 12 27]
Vektorabteilung: [5 12 27]

Vektorpunktprodukt
In der Mathematik ist das Punktprodukt oder Skalarprodukt eine algebraische Operation, die zwei gleichlange Zahlenfolgen verwendet und eine einzelne Zahl zurückgibt.
Hierfür verwenden wir die dotMethode.

import numpy as np 
  
list1 = [5, 6, 9] 
  
list2 = [1, 2, 3] 
  
vector1 = np.array(list1) 
  
print("First Vector  : " + str(vector1)) 
  
vector2 = np.array(list2) 
  
print("Second Vector : " + str(vector2)) 
  
dot_product = vector1.dot(vector2) 
  
print("Dot Product   : " + str(dot_product)) 

Erster Vektor: [5 6 9]
Zweiter Vektor: [1 2 3]
Punktprodukt: 44

Vektor-Skalar-Multiplikation Das
Multiplizieren eines Vektors mit einem Skalar wird als Skalarmultiplikation bezeichnet. Um eine Skalarmultiplikation durchzuführen, müssen wir den Skalar mit jeder Komponente des Vektors multiplizieren.

import numpy as np 
  
list1 = [1, 2, 3] 
  
vector = np.array(list1) 
  
print("Vector  : " + str(vector)) 
  
scalar = 2
  
print("Scalar  : " + str(scalar)) 
   
scalar_mul = vector * scalar 
  
print("Scalar Multiplication : " + str(scalar_mul)) 
  
  
   

Ausgabe 

Vektor: [1 2 3]
Skalar: 2
Skalarmultiplikation: [2 4 6]