🔢 Einstieg in Arrays

🔢 Einstieg in Arrays#

🐍 NumPy importieren#

import numpy as np

✅ Best Practice: np als Alias verwenden

🔢 NumPy Arrays erstellen#

a = np.array([1, 2, 3])
print(a)

➡️ a ist jetzt ein 1D NumPy Array mit den Werten 1, 2, 3

🧱 Mehrdimensionale Arrays:#

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

➡️ b ist ein 2D Array (Matrix)

🔁 Unterschied zu Python-Listen#

Python-Liste

NumPy Array

[1, 2, 3]

np.array([1, 2, 3])

beliebige Datentypen

homogener Datentyp (z. B. int)

langsam bei Schleifen

schnell durch Vektorisierung

⚠️ Beispiel: mathematischer Unterschied#

liste = [1, 2, 3]
array = np.array([1, 2, 3])

print(liste * 2)   # → [1, 2, 3, 1, 2, 3]
print(array * 2)   # → [2, 4, 6]

🔍 3. Eigenschaften von Arrays#

Sei

a = np.array([1, 2, 3])
b = np.array([[1, 2, 3],
              [4, 5, 6]])

📐 shape – Form (z. B. Zeilen × Spalten)#

print(a.shape)  # (3,)
print(b.shape)  # (2, 3)

📏 ndim – Anzahl Dimensionen#

print(a.ndim)   # 1
print(b.ndim)   # 2

📊 dtype – Datentyp der Elemente#

print(a.dtype)  # int64 oder int32 (je nach System)

🔢 size – Anzahl aller Elemente#

print(a.size)   # 3
print(b.size)   # 6

✅ Zusammenfassung#

Attribut

Bedeutung

.shape

Form des Arrays (z. B. (3, 2))

.ndim

Dimensionen (1D, 2D, 3D, …)

.dtype

Datentyp der Elemente (int, float…)

.size

Gesamtzahl der Elemente
Contents