Bạn có thể sử dụng một trong hai phương thức sau để tạo một mảng mảng trong Python bằng gói Numpy: Show
Phương pháp 1: Kết hợp các mảng riêng lẻ import numpy as np
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
array3 = np.array([7, 8, 9])
all_arrays = np.array([array1, array2, array3])
Phương pháp 2: Tạo mảng mảng trực tiếp import numpy as np
all_arrays = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
Các ví dụ sau đây cho thấy cách sử dụng từng phương pháp trong thực tế. Phương pháp 1: Kết hợp các mảng riêng lẻPhương pháp 2: Tạo mảng mảng trực tiếp import numpy as np
#define individual arrays
array1 = np.array([10, 20, 30, 40, 50])
array2 = np.array([60, 70, 80, 90, 100])
array3 = np.array([110, 120, 130, 140, 150])
#combine individual arrays into one array of arrays
all_arrays = np.array([array1, array2, array3])
#view array of arrays
print(all_arrays)
[[ 10 20 30 40 50]
[ 60 70 80 90 100]
[110 120 130 140 150]]
Phương pháp 2: Tạo mảng mảng trực tiếpCác ví dụ sau đây cho thấy cách sử dụng từng phương pháp trong thực tế. import numpy as np
#create array of arrays
all_arrays = np.array([[10, 20, 30, 40, 50],
[60, 70, 80, 90, 100],
[110, 120, 130, 140, 150]])
#view array of arrays
print(all_arrays)
[[ 10 20 30 40 50]
[ 60 70 80 90 100]
[110 120 130 140 150]]
Mã sau đây cho thấy cách tạo một mảng mảng bằng cách kết hợp các mảng riêng lẻ: Mã sau đây cho thấy cách tạo một mảng mảng trực tiếp:Lưu ý rằng mảng mảng này khớp với phương thức được tạo bằng phương thức trước đó.shape function to retrieve the dimensions of an array of arrays: print(all_arrays.shape)
(3, 5)
Cách truy cập các phần tử trong một mảng mảng Bạn có thể sử dụng chức năng hình dạng để truy xuất kích thước của một mảng mảng:size function to see how many total values are in the array of arrays: print(all_arrays.size)
15Điều này cho chúng ta biết rằng có ba hàng và năm cột trong mảng mảng. Bạn có thể sử dụng chức năng kích thước để xem tổng số giá trị trong mảng mảng:brackets to access elements in certain positions of the array of arrays. Điều này cho chúng ta biết rằng có 15 tổng giá trị trong mảng mảng. print(all_arrays[0, 3])
40Bạn có thể sử dụng dấu ngoặc để truy cập các phần tử ở một số vị trí nhất định của mảng mảng. Ví dụ: bạn có thể sử dụng cú pháp sau để truy xuất giá trị trong mảng đầu tiên nằm ở vị trí chỉ mục 3:Chúng tôi có thể sử dụng cú pháp này để truy cập bất kỳ giá trị nào mà chúng tôi thích trong mảng mảng. Tài nguyên bổ sung Bạn sẽ gặp vấn đề khi tạo danh sách mà không có dấu phẩy. Không quá khó để chuyển đổi dữ liệu của bạn để nó sử dụng dấu phẩy như ký tự tách. Khi bạn có dấu phẩy trong đó, đó là một hoạt động tạo danh sách tương đối đơn giản: Khi thử nghiệm, chúng tôi nhận được: Và nếu chúng ta kiểm tra với việc lập chỉ mục, nó hoạt động chính xác đọc ma trận như được tạo thành từ 2 hàng và 2 cột: Hy vọng điều đó sẽ giúp. Các mảng trong Python là các cấu trúc dữ liệu có thể chứa nhiều giá trị cùng loại. Thông thường, chúng bị hiểu sai là danh sách hoặc mảng numpy. Về mặt kỹ thuật, các mảng trong Python khác biệt với cả hai. Vì vậy, hãy để Lừa đi trước, và xem những gì là các mảng trong Python và cách thực hiện. Ở đây, một cái nhìn tổng quan về các chủ đề giải thích tất cả các khía cạnh đối phó với các mảng: Bạn có thể trải qua bản ghi web của các mảng Python nơi chuyên gia đào tạo Python của chúng tôi đã giải thích các chủ đề một cách chi tiết với các ví dụ sẽ giúp bạn hiểu tất cả các khái niệm liên quan đến mảng Python. Mảng trong Python | Hoạt động mảng Python | EdurekaVideo này sẽ giúp bạn thiết lập một sự nắm giữ mạnh mẽ đối với tất cả các nguyên tắc cơ bản trong ngôn ngữ lập trình Python. Tại sao sử dụng các mảng trong Python? Một sự kết hợp của các mảng, cùng với Python có thể giúp bạn tiết kiệm rất nhiều thời gian. Như đã đề cập trước đó, các mảng giúp bạn giảm kích thước tổng thể của mã, trong khi Python giúp bạn thoát khỏi cú pháp có vấn đề, không giống như các ngôn ngữ khác. Ví dụ: nếu bạn phải lưu trữ số nguyên từ 1-100, bạn đã giành được 100 tên biến một cách rõ ràng, do đó, bạn có thể lưu chúng dễ dàng bằng một mảng.  Bây giờ bạn đã nhận thức được tầm quan trọng của các mảng trong Python, hãy để nghiên cứu thêm về nó một cách chi tiết. Một mảng trong Python là gì?Một mảng về cơ bản là một cấu trúc dữ liệu có thể chứa nhiều hơn một giá trị tại một thời điểm. Nó là một bộ sưu tập hoặc một loạt các yếu tố cùng loại. Example:: import numpy as np
all_arrays = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
0Chúng ta có thể lặp qua các mục mảng một cách dễ dàng và tìm nạp các giá trị cần thiết bằng cách chỉ định số chỉ mục. Mảng cũng có thể thay đổi (có thể thay đổi), do đó, bạn có thể thực hiện các thao tác khác nhau theo yêu cầu. Bây giờ, luôn có một câu hỏi xuất hiện trong tâm trí của chúng tôi - Danh sách Python có giống như một mảng không?Các mảng và danh sách Python là các giá trị lưu trữ theo cách tương tự. Nhưng có một sự khác biệt chính giữa hai giá trị mà chúng lưu trữ. Một danh sách có thể lưu trữ bất kỳ loại giá trị nào như intergers, chuỗi, v.v. Mặt khác, một mảng, lưu trữ các giá trị kiểu dữ liệu đơn. Do đó, bạn có thể có một loạt các số nguyên, một loạt các chuỗi, v.v. Python cũng cung cấp các mảng numpy là một lưới các giá trị được sử dụng trong khoa học dữ liệu. Bạn có thể xem xét các mảng numpy so với danh sách để biết thêm. Tạo một mảng trong Python::Các mảng trong Python có thể được tạo sau khi nhập mô -đun mảng như sau - → & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; nhập mảng dưới dạng mảng ARR Hàm mảng (kiểu dữ liệu, danh sách giá trị) có hai tham số, đầu tiên là loại dữ liệu của giá trị được lưu trữ và thứ hai là danh sách giá trị. Kiểu dữ liệu có thể là bất cứ thứ gì như int, float, double, v.v ... Vui lòng ghi chú rằng ARR là tên bí danh và dễ sử dụng. Bạn có thể nhập mà không cần bí danh. Có một cách khác để nhập mô -đun mảng là - → & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; từ nhập mảng *from array import * Điều này có nghĩa là bạn muốn nhập tất cả các chức năng từ mô -đun mảng. Cú pháp sau được sử dụng để tạo một mảng. Syntax:: import numpy as np
all_arrays = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
1HOẶC import numpy as np
all_arrays = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
2Ví dụ: A = Arr.Array (‘D, [1.1, 2.1, 3.1]): a=arr.array( ‘d’ , [1.1 , 2.1 ,3.1] ) Ở đây, tham số đầu tiên là ‘D, đó là A & nbsp; loại dữ liệu, tức là float và các giá trị được chỉ định là tham số tiếp theo. Note:: Tất cả các giá trị được chỉ định là loại float. Chúng tôi không thể chỉ định các giá trị của các loại dữ liệu khác nhau cho một mảng. Bảng sau đây cho bạn thấy các loại dữ liệu khác nhau và mã của chúng.
ký tự unicode :h Syntax:: H Example:: import numpy as np
all_arrays = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
3l – import numpy as np
all_arrays = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
4L f trôi nổi:d Truy cập các phần tử mảng trong Python:Để truy cập các thành phần mảng, bạn cần chỉ định các giá trị chỉ mục. Lập chỉ mục bắt đầu từ 0 và không phải từ 1. Do đó, số chỉ mục luôn thấp hơn 1 so với chiều dài của mảng.You can make use of len() function to achieve this. The len() function returns an integer value that is equal to the number of elements present in that array. Syntax:: Array_Name [Giá trị chỉ mục] Example:: import numpy as np
all_arrays = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
5Đầu ra -3 Đầu ra được trả về là giá trị, có mặt ở vị trí thứ hai trong mảng của chúng tôi là 2.1. Hãy để chúng tôi xem xét một số hoạt động mảng cơ bản ngay bây giờ.Các hoạt động mảng cơ bản:append(), extend() and the insert (i,x) functions. Có nhiều hoạt động có thể được thực hiện trên các mảng như sau - Example:: import numpy as np
all_arrays = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
6l – L fTo add more than one element, you can use the extend() function. This function takes a list of elements as its parameter. The contents of this list are the elements to be added to the array. Example:: import numpy as np
all_arrays = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
7l – L f trôi nổi Example:: import numpy as np
all_arrays = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
8d– Truy cập các phần tử mảng trong Python: Để truy cập các thành phần mảng, bạn cần chỉ định các giá trị chỉ mục. Lập chỉ mục bắt đầu từ 0 và không phải từ 1. Do đó, số chỉ mục luôn thấp hơn 1 so với chiều dài của mảng. Array_Name [Giá trị chỉ mục] Đầu ra -Đầu ra được trả về là giá trị, có mặt ở vị trí thứ hai trong mảng của chúng tôi là 2.1. import numpy as np
all_arrays = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
9import numpy as np
#define individual arrays
array1 = np.array([10, 20, 30, 40, 50])
array2 = np.array([60, 70, 80, 90, 100])
array3 = np.array([110, 120, 130, 140, 150])
#combine individual arrays into one array of arrays
all_arrays = np.array([array1, array2, array3])
#view array of arrays
print(all_arrays)
[[ 10 20 30 40 50]
[ 60 70 80 90 100]
[110 120 130 140 150]]
0l L f trôi nổi d
Mảng C = mảng (‘D, [1.1, 2.1, 3.1, 2.6, 7.8, 3.7, 8.6])):Mảng kết quả C chứa các phần tử được nối của các mảng A và b.pop() or remove() method. The difference between these two functions is that the former returns the deleted value whereas the latter does not. Bây giờ, hãy cho chúng tôi xem cách bạn có thể xóa hoặc xóa các mục khỏi một mảng. Example:: import numpy as np
#define individual arrays
array1 = np.array([10, 20, 30, 40, 50])
array2 = np.array([60, 70, 80, 90, 100])
array3 = np.array([110, 120, 130, 140, 150])
#combine individual arrays into one array of arrays
all_arrays = np.array([array1, array2, array3])
#view array of arrays
print(all_arrays)
[[ 10 20 30 40 50]
[ 60 70 80 90 100]
[110 120 130 140 150]]
1l import numpy as np
#define individual arrays
array1 = np.array([10, 20, 30, 40, 50])
array2 = np.array([60, 70, 80, 90, 100])
array3 = np.array([110, 120, 130, 140, 150])
#combine individual arrays into one array of arrays
all_arrays = np.array([array1, array2, array3])
#view array of arrays
print(all_arrays)
[[ 10 20 30 40 50]
[ 60 70 80 90 100]
[110 120 130 140 150]]
2L f Example:: import numpy as np
#define individual arrays
array1 = np.array([10, 20, 30, 40, 50])
array2 = np.array([60, 70, 80, 90, 100])
array3 = np.array([110, 120, 130, 140, 150])
#combine individual arrays into one array of arrays
all_arrays = np.array([array1, array2, array3])
#view array of arrays
print(all_arrays)
[[ 10 20 30 40 50]
[ 60 70 80 90 100]
[110 120 130 140 150]]
3l L f trôi nổi Cắt một mảng: :Một mảng có thể được cắt bằng cách sử dụng: ký hiệu. Điều này trả về một loạt các yếu tố mà chúng tôi đã chỉ định bởi các số chỉ mục. Example:: import numpy as np
#define individual arrays
array1 = np.array([10, 20, 30, 40, 50])
array2 = np.array([60, 70, 80, 90, 100])
array3 = np.array([110, 120, 130, 140, 150])
#combine individual arrays into one array of arrays
all_arrays = np.array([array1, array2, array3])
#view array of arrays
print(all_arrays)
[[ 10 20 30 40 50]
[ 60 70 80 90 100]
[110 120 130 140 150]]
4Đầu ra - – Mảng (‘D, [1.1, 2.1, 3.1]) Kết quả sẽ là các yếu tố có mặt ở vị trí thứ 1, 2 và thứ 3 trong mảng. Vòng lặp qua một mảng:Sử dụng vòng lặp for, chúng ta có thể lặp qua một mảng. import numpy as np
all_arrays = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
9import numpy as np
#define individual arrays
array1 = np.array([10, 20, 30, 40, 50])
array2 = np.array([60, 70, 80, 90, 100])
array3 = np.array([110, 120, 130, 140, 150])
#combine individual arrays into one array of arrays
all_arrays = np.array([array1, array2, array3])
#view array of arrays
print(all_arrays)
[[ 10 20 30 40 50]
[ 60 70 80 90 100]
[110 120 130 140 150]]
6Đầu ra -– Tất cả các giá trị 1.12.2 3.83.1 3.71.2 4.6 Giá trị đặc biệt 2.23.8 Đầu ra trên cho thấy kết quả sử dụng cho vòng lặp. Khi chúng tôi sử dụng cho vòng lặp mà không có bất kỳ tham số cụ thể nào, kết quả chứa tất cả các phần tử của mảng được đưa ra tại một thời điểm. Trong lần thứ hai cho vòng lặp, kết quả chỉ chứa các phần tử được chỉ định bằng các giá trị chỉ mục. Xin lưu ý rằng kết quả không chứa giá trị tại Chỉ mục số 3. & NBSP; Hy vọng bạn rõ ràng với tất cả những gì đã được chia sẻ với bạn trong hướng dẫn này. Điều này đưa chúng ta đến cuối bài viết của chúng tôi về các mảng trong Python. Hãy chắc chắn rằng bạn thực hành càng nhiều càng tốt và hoàn nguyên trải nghiệm của bạn. & Nbsp; & nbsp;Make sure you practice as much as possible and revert your experience. Có một câu hỏi cho chúng tôi? Vui lòng đề cập đến nó trong phần bình luận của các mảng này trong blog Python và chúng tôi sẽ liên hệ lại với bạn càng sớm càng tốt hoặc tham gia khóa học Python Master của chúng tôi. Để có được kiến thức chuyên sâu về Python cùng với các ứng dụng khác nhau của nó, bạn có thể đăng ký đào tạo trực tuyến Python trực tiếp & NBSP; với hỗ trợ 24/7 và truy cập trọn đời. & NBSP;Python online training with 24/7 support and lifetime access. Bạn có thể có một mảng mảng?Một mảng lởm chởm là một mảng có các phần tử là mảng, có thể có kích thước khác nhau.Một mảng lởm chởm đôi khi được gọi là "mảng mảng".Các ví dụ sau đây cho thấy cách khai báo, khởi tạo và truy cập các mảng khớp nối.. A jagged array is sometimes called an "array of arrays." The following examples show how to declare, initialize, and access jagged arrays.
Bạn có thể thêm các mảng với nhau không?Nếu bạn đang sử dụng mô -đun mảng, bạn có thể sử dụng cách ghép bằng toán tử +, append (), chèn () và mở rộng () các hàm để thêm các phần tử vào mảng.Nếu bạn đang sử dụng các mảng numpy, hãy sử dụng hàm append () và chèn ().you can use the concatenation using the + operator, append(), insert(), and extend() functions to add elements to the array. If you are using NumPy arrays, use the append() and insert() function.
Bạn có thể nối một mảng vào một mảng trong Python không?Nối một mảng trong python bằng hàm append () hàm python append () cho phép chúng tôi thêm một phần tử hoặc một mảng vào cuối một mảng khác.Nghĩa là, phần tử được chỉ định được nối vào cuối mảng đầu vào.Using the append() function
Python append() function enables us to add an element or an array to the end of another array. That is, the specified element gets appended to the end of the input array.
Tại sao các mảng không được sử dụng trong Python?Mảng cần được khai báo trong khi danh sách không cần khai báo vì chúng là một phần của cú pháp của Python.Đây là danh sách lý do thường được sử dụng hơn các mảng. whereas lists do not need declaration because they are a part of Python's syntax. This is the reason lists are more often used than arrays. |
