Skip to content

Python Sets

Sets werden verwendet, um mehrere Elemente in einer einzigen Variablen zu speichern. Set ist einer von 4 eingebauten Datentypen in Python, die zum Speichern von Datensammlungen verwendet werden. Die anderen 3 sind List, Tuple und Dictionary, alle mit unterschiedlichen Eigenschaften und Verwendungen. Ein Set ist eine Sammlung, die ungeordnet, unveränderbar und unindiziert ist.

Wie man einen Set erstellt

myset = {"red","blue", "yellow"}

Beispiel:

thisset = {"red", "blue", "yellow"}
print(thisset)
Sobald ein Set erstellt wurde, können Elemente entfernt und neue Elemente hinzugefügt werden.

Duplikate nicht erlaubt

Sets können nicht zwei Elemente mit demselben Wert enthalten.

Beispiel: 

thiset = {"red", "blue", "yellow","red"}

print (thisset)
Hinweis: Die Werte "True" und "1" gelten in Mengen als derselbe Wert und werden als Duplikate behandelt

Beispiel: 

thisset = {"red", "blue", "yellow", True, 1, 2}
print(thisset)

Hinweis: Die Werte "Falsch" und"0" werden in Mengen als derselbe Wert betrachtet und als Duplikate behandelt

Beispiel:

thisset = {"red", "blue", "yellow", False, True, 0}

Get the the Length of a Set

Um zu bestimmen, wie viele Elemente ein Satz enthalt, verwenden Sie die Funktion len()

Beispiel:

thisset = {"red", "blue", "yellow"}
print(len(thisset))

Set Items-Data Type

Beispiel: 

set1 = {"red", "blue" , "yellow"}
set2 = {1,5,7,9,3}
set3 = {True, False, False}

type()

Aus Sicht von Python werden Mengen als Objekt mit dem Datentyp"set"definiert

Beispiel: 

myset = {"red", "blue", "yellow"}
print(type(myset))

The Set() Constructor

Es ist auch moglisch, den set ()-Konstruktor zum Erstellen einer Menge zu verwenden.

Beispiel:

thisset = set(("red", "blue", "yellow")) # note the double round-brackets
print(thisset)

Jetzt bist du dran! viel Spaß:) Play Link

NumPy

NumPy ist die Abkürzung für Numerical Python. NumPy bietet eine leistungsstarke Schnittstelle für die Durchführung von Berechnungen mit großen Datenmengen, insbesondere mit mehrdimensionalen Arrays (n-multidimensionale Arrays), die effiziente Operationen wie elementweise Operationen, lineare Algebra, Fourier-Transformationen und mehr ermöglichen.

Wie erstellt man Numpy?

1) Wenn Sie Python und PIP bereits auf einem System installiert haben, ist die Installation von NumPy sehr einfach.

Installieren Sie es mit diesem Befhl:

C:\Users\Your Name>pip install numpy

2) Sobald NumPy installiert ist, importieren Sie es in Ihre Anwendungen, indem Sie das Schlüsselwort import hinzufügen:

import numpy
3) Jetzt ist NumPy importiert und einsatzbereit :)

NumPy Arrays erstellen

NumPy wird verwendet, um mit Arrays zu arbeiten. Das Array-Objekt in NumPy wird ndarray genannt.

Wir können ein NumPy ndarray-Objekt mit der Funktion array() erstellen.

type(): Diese eingebaute Python-Funktion teilt uns den Typ des übergebenen Objekts mit. Wie im obigen Code zeigt sie, dass arr vom Typ numpy.ndarray ist.

Beispiel: 

import numpy as np 
arr = np.array([1,2,3,4,5])
print(arr)
print(type(arr))

Um ein ndarray zu erstellen, können wir eine Liste, ein Tupel oder ein beliebiges array-ähnliches Objekt an die array()-Methode übergeben, und es wird in ein ndarray umgewandelt:

import numpy as np
arr = np.array((1, 2, 3, 4, 5))
print(arr)

Dimensionen in Arrays

Eine Dimension in Arrays ist eine Ebene der Arraytiefe (verschachtelte Arrays).

Also...

0-D Arrays

0-D-Arrays oder Skalare sind die Elemente in einem Array. Jeder Wert in einem Array ist ein 0-D-Array.

Beispiel:

Erstellen eines 0-D-Arrays mit dem Wert 42: 

import numpy as np

arr = np.array(42)

print(arr)
oder

1-D Arrays

Ein Array, dessen Elemente aus 0-D-Arrays bestehen, wird als eindimensionales oder 1-D-Array bezeichnet. (Dies sind die gebräuchlichsten und grundlegenden Arrays.)

Beispiel:

Erstellen Sie ein 1-D-Array mit den Werten 1,2,3,4,5: 

import numpy as np

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

print(arr)

Es gibt weitere Arrays, wie z.B. 2-D Arrays oder 3-D Arrays usw, die Sie erstellen können.

(Ndarray kann auf verschiedene weise verwendet werden und Join ist eine davon.)

NumPy-Arrays verknüpfen (Joining)

Verbinden bedeutet, den Inhalt von zwei oder mehr Arrays in einem einzigen Array zusammenzufassen. Wir übergeben der Funktion concatenate() eine Folge von Arrays, die wir verbinden wollen, zusammen mit der Achse. Wenn die Achse nicht explizit übergeben wird, wird sie als 0 angenommen.

Beispiel:

Join two arrays: 

import numpy as np 
arr1 = np.array ([1, 2, 3])
arr2 = np.array([4, 5, 6])

arr = np.concatenate((arr1, arr2))

print(arr)
Oder

Beispiel 2:

Join two 2-D arrays along row (axis=1): 

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])

arr2 = np.array([[5, 6], [7, 8]])

arr = np.concatenate((arr1, arr2), axis=1)

print(arr)

Das war's! Du hast etwas über Python Sets und NumPy gelernt:) Ich hoffe, ihr habt sie bei eurer Codierung als nützlich empfunden!

Zum Schluss noch ein Link zum Üben, basierend auf dem, was du bisher gelesen hast!:

Übung Link

Dann viel Spaß mit Python!