Truy cập một mảng dựa trên NumPy theo một chỉ mục Cột cụ thể có thể đạt được bằng cách lập chỉ mục. NumPy tuân theo lập chỉ mục dựa trên 0 tiêu chuẩn trong Python
Thí dụ
Given array: 1 13 6 9 4 7 19 16 2 Input: print(NumPy_array_name[ :,2]) Output: [6 7 2] Explaination: printing 3rd columnTruy cập cột thứ i của Mảng Numpy 2D trong Python
In dòng 1 và cột 2
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]Python3
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]4 For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]5
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]6For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]0 For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]1For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]2For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]3For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]4For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]3For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]6For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]7For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]8For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]3For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]20For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]3For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]22For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]7For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]24For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]3For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]26For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]3For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]28For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]29
Trong bài viết này, chúng tôi sẽ thảo luận về cách chọn các phần tử từ Mảng Numpy 2D. Các phần tử cần chọn có thể là một phần tử duy nhất hoặc một/nhiều hàng & cột hoặc một mảng 2D con khác
Trước hết, hãy nhập mô-đun numpy i. e
Bây giờ, hãy tạo một Mảng Numpy 2d bằng cách chuyển một danh sách các danh sách tới numpy. mảng() tôi. e.
______23
Nội dung của Mảng Numpy 2D sẽ là,
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]4
Bây giờ hãy xem . e.
Chọn một phần tử từ Mảng Numpy 2D theo chỉ mục
Chúng ta có thể sử dụng toán tử [][] để chọn một phần tử từ Numpy Array i. e
Ví dụ 1.
Chọn phần tử ở chỉ số hàng 1 và chỉ số cột 2
Đầu ra.
______27
Ví dụ 2.
quảng cáo
Hoặc chúng ta cũng có thể chuyển danh sách chỉ mục được phân tách bằng dấu phẩy đại diện cho chỉ mục hàng và chỉ mục cột. e
Đầu ra.
______27
Chọn Hàng theo Chỉ mục từ Mảng Numpy 2D
Chúng ta có thể gọi toán tử [] để chọn một hoặc nhiều hàng. Để chọn một hàng sử dụng,
Nó sẽ trả về một hàng hoàn chỉnh tại chỉ mục đã cho.
Để chọn nhiều hàng, hãy sử dụng,
Nó sẽ trả về các hàng từ start_index đến end_index – 1 và sẽ bao gồm tất cả các cột.
Hãy sử dụng cái này,
Nội dung của Mảng 2D a Numpy nArr2D được tạo ở trên là,
Hãy chọn một hàng ở chỉ mục 2 i. e.
______231
Đầu ra.
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]32
Chọn nhiều hàng từ chỉ mục 1 đến 2 i. e.
______233
Đầu ra.
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]34
Chọn nhiều hàng từ chỉ mục 1 đến chỉ mục cuối cùng
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]35
Đầu ra.
____236
Chọn Cột theo Chỉ mục từ Mảng Numpy 2D
Để chọn một cột duy nhất, hãy sử dụng,
Nó sẽ trả về một cột hoàn chỉnh tại chỉ mục đã cho.
Để chọn nhiều cột, hãy sử dụng,
Nó sẽ trả về các cột từ start_index đến end_index – 1.
Hãy sử dụng những thứ này,
Nội dung của Mảng Numpy 2D nArr2D được tạo ở trên là,
Chọn cột ở chỉ mục 1
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]40
Đầu ra.
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]41
Chọn nhiều cột từ chỉ mục 1 đến 2
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]42
Đầu ra.
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]43
Chọn nhiều cột từ chỉ mục 1 đến chỉ mục cuối cùng
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]44
Đầu ra giống nhau . Vì vậy, các cột từ 1 đến cuối cùng có nghĩa là các cột ở chỉ mục 1 & 2.
Chọn một Ma trận con hoặc Mảng Numpy 2d từ một Mảng Numpy 2D khác
Để chọn Mảng Numpy phụ 2d, chúng ta có thể chuyển phạm vi chỉ mục hàng & cột trong toán tử [] i. e
Nó sẽ trả về một Mảng Numpy 2D phụ cho phạm vi hàng và cột đã cho.
Hãy sử dụng những thứ này,
Nội dung của Mảng Numpy 2D nArr2D được tạo ở đầu bài viết là,
Chọn Mảng Numpy 2D phụ từ chỉ số hàng 1 đến 2 & chỉ số cột 1 đến 2
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]47
Output:
____248
Hàng hoặc Cột hoặc Mảng con đã chọn ở chế độ Chỉ xem
Nội dung của Mảng Numpy được chọn bằng cách sử dụng toán tử [] chỉ trả về Chế độ xem i. e. bất kỳ sửa đổi nào trong mảng phụ được trả về sẽ được phản ánh trong Mảng Numpy ban đầu.
Hãy kiểm tra điều này,
Nội dung của Mảng Numpy 2D nArr2D được tạo lúc bắt đầu là,
Chọn một hàng ở chỉ mục 1 từ mảng 2D i. e.
______250
Nội dung của hàng.
____251
Bây giờ sửa đổi nội dung của hàng i. e.
______252
Nội dung mới của hàng sẽ là
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]53
Sửa đổi trong mảng phụ sẽ . Nội dung cập nhật của Mảng Numpy 2D nArr2D là,
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]54
Nhận một bản sao của 2D Sub Array từ 2D Numpy Array bằng cách sử dụng ndarray. sao chép()
vào bản sao thay vì xem trong mảng phụ sử dụng hàm copy().
Hãy kiểm tra điều này,
Tạo mảng Numpy 2D có 3 hàng & cột. ma trận
Nội dung của nArr2D là,
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]54
Chọn bản sao của hàng ở chỉ mục 1 từ mảng 2D .
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]57
Here, sub array is a copy of original array so, modifying it will not affect the original Numpy Array
Contents of the modified sub array row is,
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]53
Contents of the original Numpy Array is,
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]4
Complete example is as follows,
For column : numpy_Array_name[ : ,column] For row : numpy_Array_name[ row, : ]60
Output:
____261
Hướng dẫn về Pandas -Tìm hiểu Phân tích dữ liệu với Python
- Hướng dẫn Pandas Phần #1 - Giới thiệu về Phân tích dữ liệu với Python
- Hướng dẫn Pandas Phần #2 - Khái niệm cơ bản về Pandas Series
- Hướng dẫn Pandas Phần #3 - Nhận & Đặt giá trị chuỗi
- Pandas Tutorial Part #4 - Thuộc tính & phương thức của Pandas Series
- Hướng dẫn về Pandas Phần #5 - Thêm hoặc xóa các thành phần của Pandas Series
- Hướng dẫn về Pandas Phần #6 - Giới thiệu về DataFrame
- Hướng dẫn về Pandas Phần #7 - DataFrame. loc[] - Chọn Hàng/Cột theo Lập chỉ mục
- Hướng dẫn về Pandas Phần #8 - DataFrame. iloc[] - Chọn Hàng/Cột theo Tên nhãn
- Hướng dẫn về gấu trúc Phần #9 - Lọc các hàng trong khung dữ liệu
- Hướng dẫn Pandas Phần #10 - Thêm/Xóa Hàng & Cột DataFrame
- Hướng dẫn về Pandas Phần #11 - Các thuộc tính & phương thức DataFrame
- Hướng dẫn Pandas Phần #12 - Xử lý dữ liệu bị thiếu hoặc giá trị NaN
- Hướng dẫn về Pandas Phần #13 - Lặp lại các Hàng & Cột của DataFrame
- Hướng dẫn Pandas Phần #14 - Sắp xếp DataFrame theo Hàng hoặc Cột
- Hướng dẫn về gấu trúc Phần #15 - Hợp nhất hoặc ghép các khung dữ liệu
- Hướng dẫn về Pandas Phần #16 - DataFrame GroupBy được giải thích bằng các ví dụ
Bạn đang muốn tạo dựng sự nghiệp trong Khoa học dữ liệu với Python?
Khoa học dữ liệu là tương lai và tương lai là ở đây ngay bây giờ. Các nhà khoa học dữ liệu hiện là những chuyên gia được tìm kiếm nhiều nhất hiện nay. Để trở thành một Nhà khoa học dữ liệu giỏi hoặc để chuyển đổi nghề nghiệp trong Khoa học dữ liệu, người ta phải sở hữu bộ kỹ năng phù hợp. Chúng tôi đã tuyển chọn danh sách Chứng chỉ chuyên nghiệp tốt nhất về Khoa học dữ liệu với Python. Các khóa học này sẽ dạy cho bạn các công cụ lập trình cho Khoa học dữ liệu như Pandas, NumPy, Matplotlib, Seaborn và cách sử dụng các thư viện này để triển khai các mô hình Máy học
Kiểm tra Đánh giá chi tiết về Chứng chỉ chuyên nghiệp tốt nhất về Khoa học dữ liệu với PythonHãy nhớ rằng, Khoa học dữ liệu đòi hỏi rất nhiều kiên nhẫn, bền bỉ và thực hành. Vì vậy, hãy bắt đầu học ngay hôm nay