آرایه چیست؟
در نامپای آرایه ابزار اصلی نگهداری داده‌ها و انجام عملیات (محاسبات) ریاضی روی آن است. برای این که آرایه را بهتر درک کنیم می‌توانیم آرایه را همان لیست پایتون در نظر بگیریم. در واقع آرایه عنصری است که چندین داده را در کنار هم نگه می‌دارد. همان طور که در لیست‌ها، لیست‌های ساده و تو در تو داشتیم. در آرایه‌ها نیز این موضوع برقرار است. اما در آرایه‌ها اگر آرایه ما خطی باشد به آن بردار میگوییم و اگر بخواهیم همانند لیست‌های تو در تو داشته باشیم به آن آرایه چند بعدی میگوییم. به طور کلی به می‌توانیم برای تمام آرایه‌ها بعد در نظر بگیریم مثل یک بعدی و دو بعدی و سه بعدی و ... .
نکته: بر خلاف لیست‌ها در پایتون که داده‌ها می‌توانستند از انواع مختلفی باشند، در آرایه‌ها تمام داده‌ها باید از یک نوع باشند.
نحوه ساخت آرایه
ما از Numpy برای کار با ارایه ها استفاده میکنیم. ما در Numpy به ارایه ها ndarray میگوییم.
برای ساخت یک ndarray ما از فانکشن array() استفاده میکنیم.
arr = np.array([1, 2, 3, 4, 5])
0-D Arrays
در بخش قبل آرایه‌هایی با داده‌های دلخواه می‌ساختیم در نامپای می‌توانیم با استفاده از توابعی آرایه‌هایی از پیش آماده بسازیم.
برای مثال ارایه صفر بعدی یا scaler در این ارایه ها تنها یک مقدار ساده وارد میشود به مثال زیر توجه کنید:
arr = np.array(42)
1-D Arrays
ارایه های یک بعدی به ارایه هایی میگویند که شامل چند ارایه صفر بعدی هستند این نوع ارایه ها ساده ترین و رایج ترین نوع هستند.
arr = np.array([1, 2, 3, 4, 5])
2-D Arrays
همچون ارایه یک بعدی که متشکل از چند ارایه ارایه صفر بعدی بود ارایه دو بعدی به ارایه ایی میگویند که مقادیر ان چند ارایه تک بعدی باشند.
این نوع ارایه ها اغلب برای نشون دادن تانسور های ماتریس ها استفاده میشود.
arr = np.array([[1, 2, 3], [4, 5, 6]])
نکته: پایتون یک کتابخانه مستقل برای ماتریس ها دارد به اسم numpy.mat
3-D Arrays
ارایه های سه بعدی به ارایه هایی میگویند که شامل چند ارایه دو بعدی هستند.
کابرد این ارایه ها اغلب برای نشان دادن سومین تنسور ماتریس است.
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
بررسی تعداد ابعاد Array
آرایه های NumPy ویژگی ndim را ارائه می دهد که یک عدد صحیح را برمی گرداند که به ما می گوید آرایه چند بعد دارد.
print(a.ndim)
ارایه هایی با بعد های بالاتر
یک آرایه می تواند هر تعداد ابعاد داشته باشد.
هنگامی که آرایه ایجاد می شود، می توانید با استفاده از آرگومان ndmin تعداد ابعاد را تعریف کنید.
arr = np.array([1, 2, 3, 4], ndmin=5)
