Mảng 2d để vượt trội Python

Luôn dễ dàng thao tác dữ liệu trên mảng có nhiều mảng hơn là khung dữ liệu. Nếu dữ liệu bạn tạo trong mảng phải được xuất ra excel ???

Hình1. Mảng dữ liệu

Python cung cấp rất nhiều thư viện excel, nhưng xlxswriter là một trong số đó

Bước 1)

Nhập xlsxwriter, Tạo sổ làm việc mới, trong trường hợp này, tên sổ làm việc của tôi là “Expenses01”

Bắt đầu hàng và cột

bảng tính. chức năng ghi, ghi hoặc sao chép dữ liệu theo từng ô, từng cột rồi từng hàng

Kiểm tra thư mục của bạn để tìm tệp excel mới, mở nó và kiểm tra xem nó có được sao chép hay không

Quảng cáo

Chia sẻ cái này

• Twitter
• Facebook

Như thế này

Thích Đang tải.

Có liên quan

Khi chúng ta xử lý các mảng nhiều chiều trong numpy, chúng ta có thể làm điều này bằng cách sử dụng vòng lặp for cơ bản của python

Nếu chúng ta lặp trên mảng 1-D, nó sẽ đi qua từng phần tử một

Thí dụ

Lặp lại các phần tử của mảng 1-D sau

nhập numpy dưới dạng np

mảng = np. mảng([1, 2, 3])

cho x trong mảng
in(x)

Lặp lại mảng 2-D

Trong mảng 2 chiều, nó sẽ đi qua tất cả các hàng

Thí dụ

Lặp lại các phần tử của mảng 2 chiều sau

nhập numpy dưới dạng np

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

cho x trong mảng
in(x)

Nếu chúng ta lặp lại trên một mảng n-D, nó sẽ lần lượt đi qua chiều thứ n-1

Để trả về các giá trị thực, các đại lượng vô hướng, chúng ta phải lặp lại các mảng theo từng chiều

Thí dụ

Lặp lại trên từng phần tử vô hướng của mảng 2 chiều

nhập numpy dưới dạng np

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

cho x trong mảng
cho y trong x
in(y)

Lặp lại mảng 3-D

Trong mảng 3-D, nó sẽ đi qua tất cả các mảng 2-D

Thí dụ

Lặp lại các phần tử của mảng 3-D sau

nhập numpy dưới dạng np

mảng = np. mảng([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

cho x trong mảng
in(x)

Để trả về các giá trị thực, các đại lượng vô hướng, chúng ta phải lặp lại các mảng theo từng chiều

Thí dụ

Lặp lại đến vô hướng

nhập numpy dưới dạng np

mảng = np. mảng([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

cho x trong mảng
cho y trong x
cho z trong y
in(z)

Lặp lại mảng sử dụng nditer()

Hàm nditer() là một hàm trợ giúp có thể được sử dụng từ các bước lặp rất cơ bản đến rất nâng cao. Nó giải quyết một số vấn đề cơ bản mà chúng ta gặp phải trong quá trình lặp lại, hãy xem qua nó với các ví dụ

Lặp lại trên mỗi phần tử vô hướng

Trong các vòng lặp for cơ bản, lặp qua mỗi vô hướng của một mảng, chúng ta cần sử dụng n vòng lặp for, điều này có thể khó viết đối với các mảng có số chiều rất cao

Thí dụ

Lặp qua mảng 3-D sau

nhập numpy dưới dạng np

mảng = np. mảng([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

cho x trong np. tiếng ồn ào (arr)
in(x)

Lặp lại mảng với các kiểu dữ liệu khác nhau

Chúng ta có thể sử dụng đối số op_dtypes và truyền cho nó kiểu dữ liệu dự kiến ​​để thay đổi kiểu dữ liệu của các phần tử trong khi lặp lại

NumPy không thay đổi kiểu dữ liệu của phần tử tại chỗ (trong đó phần tử nằm trong mảng) vì vậy nó cần một số không gian khác để thực hiện hành động này, không gian bổ sung đó được gọi là bộ đệm và để kích hoạt nó trong nditer(), chúng tôi vượt qua flags=['buffered']

Thí dụ

Lặp lại mảng dưới dạng chuỗi

nhập numpy dưới dạng np

mảng = np. mảng([1, 2, 3])

cho x trong np. nditer(arr, flags=['buffered'], op_dtypes=['S'])
in(x)

Lặp lại với kích thước bước khác nhau

Chúng tôi có thể sử dụng lọc và tiếp theo là lặp lại

Thí dụ

Lặp qua mọi phần tử vô hướng của mảng 2D bỏ qua 1 phần tử

nhập numpy dưới dạng np

mảng = np. mảng([[1, 2, 3, 4], [5, 6, 7, 8]])

cho x trong np. tiếng ồn ào (mảng [. ,. 2])
in(x)

Phép lặp liệt kê Sử dụng ndenumerate()

Liệt kê có nghĩa là đề cập đến số thứ tự của thứ gì đó từng thứ một

Đôi khi chúng tôi yêu cầu chỉ mục tương ứng của phần tử trong khi lặp lại, phương thức ndenumerate() có thể được sử dụng cho các usecase đó