Viết chương trình NumPy để trích xuất tất cả các phần tử của cột đầu tiên và cột thứ tư từ một mảng (4x4) đã cho Show
Trình bày bằng hình ảnh Giải pháp mẫu Mã Python Đầu ra mẫu Original array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] Extracted data: All the elements of the first and fourth columns [[ 0 3] [ 4 7] [ 8 11] [12 15]] Trình chỉnh sửa mã Python-Numpy Có một cách khác để giải quyết giải pháp này? Trước. Viết chương trình NumPy để trích xuất tất cả các phần tử của cột thứ hai và thứ ba từ một mảng (4x4) đã cho. Mức độ khó của bài tập này là gì? Dễ dàng trung bình khóKiểm tra kỹ năng Lập trình của bạn với bài kiểm tra của w3resource con trăn. Lời khuyên trong ngàyLoại bỏ các bản sao Nó chỉ nhận các giá trị duy nhất, nó có thể thay đổi và giống như từ điển, nó không có thứ tự lst=[1,2,2,2,2,3,4,4,5,6,7,8,9,10] x=set(lst) print(x) đầu ra lst=[1,2,2,2,2,3,4,4,5,6,7,8,9,10] Đối tượng mới sẽ có kiểu "đặt" lst=[1,2,2,2,2,3,4,4,5,6,7] a=set(lst) print(type(x)) đầu ra lst=[1,2,2,2,2,3,4,4,5,6,7,8,9,10] Nếu bạn muốn khắc phục chuyển đổi loại và giữ dữ liệu của mình dưới dạng danh sách, chỉ cần thêm hàm danh sách như bên dưới và nó sẽ ở dạng danh sách sau khi hàm set loại bỏ tất cả các bản sao Việc cắt mảng Python NumPy được sử dụng để trích xuất một số phần dữ liệu từ mảng thực tế. Cắt trong python có nghĩa là trích xuất dữ liệu từ một chỉ mục đã cho sang một chỉ mục đã cho khác, tuy nhiên, việc cắt NumPy hơi khác một chút. Việc cắt lát có thể được thực hiện với sự trợ giúp của lst=[1,2,2,2,2,3,4,4,5,6,7,8,9,10]2. Một đối tượng cắt mảng NumPy được xây dựng bằng cách cung cấp các tham số ______60, Cú pháp của việc cắt Python NumPy là Trong bài viết này, tôi sẽ giải thích việc cắt mảng Python NumPy và cách trích xuất một số phần dữ liệu từ mảng 1 chiều, mảng 2 chiều và mảng 3 chiều Một cách khác để truy cập các phần tử từ mảng NumPy là lập chỉ mục mảng NumPy Lưu ý rằng các mảng trong đối tượng 1. Ví dụ nhanh về Python NumPy Array SlicingNếu bạn đang vội, dưới đây là một số ví dụ nhanh về cách cắt mảng Python NumPy Original array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] Extracted data: All the elements of the first and fourth columns [[ 0 3] [ 4 7] [ 8 11] [12 15]]4 2. Cắt mảng NumPy 1 chiềuSử dụng thao tác cắt, chúng ta có thể trích xuất các phần tử của mảng 1-D NumPy. Ví dụ, Cú pháp Từ phần trên, bạn có thể quan sát thấy rằng kết quả Original array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] Extracted data: All the elements of the first and fourth columns [[ 0 3] [ 4 7] [ 8 11] [12 15]]80 chỉ số bắt đầu là 5, nhưng đã loại trừ chỉ số kết thúc là Original array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] Extracted data: All the elements of the first and fourth columns [[ 0 3] [ 4 7] [ 8 11] [12 15]]81 Khi chúng ta truyền các phần tử từ chỉ số 3 đến chỉ số cuối như một tham số của phép cắt, chúng ta sẽ nhận được các phần tử của một mảng từ chỉ số 3 đến chỉ số cuối cùng Original array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] Extracted data: All the elements of the first and fourth columns [[ 0 3] [ 4 7] [ 8 11] [12 15]]8 Để cắt các phần tử của mảng 1-D từ chỉ mục bắt đầu sang chỉ mục thứ 5 như một tham số của thao tác cắt, chúng ta sẽ lấy các phần tử của một mảng từ chỉ mục bắt đầu đến chỉ mục kết thúc được đề cập trước đó lst=[1,2,2,2,2,3,4,4,5,6,7,8,9,10] x=set(lst) print(x)1 Sử dụng giá trị bước để xác định bước cắt. Nó trả về mọi phần tử khác từ toàn bộ mảng. Thực hiện theo cú pháp cắt [bắt đầu. dừng lại. step] ở đây, các tham số được phân tách bằng dấu hai chấm (. ) lst=[1,2,2,2,2,3,4,4,5,6,7,8,9,10] x=set(lst) print(x)2 3. Sử dụng kỹ thuật cắt lát phủ định để lấy các phần tử của mảng NumPyLà một phần của việc trích xuất các phần tử của mảng NumPy từ phần cuối, chúng ta phải sử dụng phép cắt âm, nghĩa là trích xuất các phần tử của một mảng từ phần cuối Original array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] Extracted data: All the elements of the first and fourth columns [[ 0 3] [ 4 7] [ 8 11] [12 15]]82 để cắt từ chỉ mục -4 sang chỉ mục -2 từ cuối. Toán tử trừ để chỉ một chỉ mục từ cuối lst=[1,2,2,2,2,3,4,4,5,6,7,8,9,10] x=set(lst) print(x)4 Từ phần trên, chúng ta có thể thấy chúng ta đã cắt các phần tử của một mảng từ cuối 4. Sử dụng Cắt lát với Mảng NumPy khoảng 0fOriginal array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] Extracted data: All the elements of the first and fourth columns [[ 0 3] [ 4 7] [ 8 11] [12 15]]83 trong phần này Original array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] Extracted data: All the elements of the first and fourth columns [[ 0 3] [ 4 7] [ 8 11] [12 15]]84 là điểm bắt đầu và Original array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] Extracted data: All the elements of the first and fourth columns [[ 0 3] [ 4 7] [ 8 11] [12 15]]85 là khoảng. Vì vậy, các ngôi sao mảng trả về từ phần tử trong chỉ số ba. Sau đó, nó lấy mọi phần tử thứ tư của mảng cho đến hết lst=[1,2,2,2,2,3,4,4,5,6,7,8,9,10] x=set(lst) print(x)8 5. Cắt mảng NumPy 2 chiềuSử dụng cắt mảng 2 chiều theo cả hai trục để thu được tập hợp con hình chữ nhật của mảng ban đầu. Bạn có thể sử dụng Original array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] Extracted data: All the elements of the first and fourth columns [[ 0 3] [ 4 7] [ 8 11] [12 15]]86 để chọn hàng 1. một đến hết cuối mảng và cột 1. 3 (cột 1 và 2) lst=[1,2,2,2,2,3,4,4,5,6,7,8,9,10]0 6. Cắt mảng NumPy 3 chiềuĐể trích xuất các phần tử của mảng 3-D NumPy bằng thao tác cắt lát, trước tiên chúng ta phải tạo một mảng 3 chiều và sau đó, áp dụng thao tác cắt lát lst=[1,2,2,2,2,3,4,4,5,6,7,8,9,10]1 7. Sự kết luậnTrong bài viết này, tôi đã giải thích các kỹ thuật cắt mảng Python NumPy để trích xuất các phần tử từ mảng 1-D, mảng 2-D và mảng 3-D với các ví dụ Làm cách nào để trích xuất mảng từ mảng?Có thể trích xuất một phần của mảng bằng phương thức slice(). . Nếu không có giá trị nào được cung cấp, quá trình trích xuất được thực hiện cho đến hết mảng Nếu giá trị lớn hơn độ dài của mảng thì tiến hành trích xuất cho đến hết Làm cách nào để lấy mảng từ danh sách trong Python?Phương thức. Sử dụng mảng() + chỉ báo kiểu dữ liệu
. Chỉ báo kiểu dữ liệu “i” được sử dụng trong trường hợp số nguyên, hạn chế kiểu dữ liệu.
Làm cách nào để trích xuất một mảng NumPy?Sử dụng lập chỉ mục mảng NumPy để trích xuất các cột cụ thể Sử dụng cú pháp mảng[. , [i, j]] để trích xuất các cột được lập chỉ mục i và j từ mảng . Giống như danh sách, mảng NumPy sử dụng các chỉ mục dựa trên số không. Sử dụng mảng [. , tôi. j+1] để trích xuất các cột được lập chỉ mục từ i đến j từ mảng.
Làm cách nào để trích xuất tất cả các số giữa một phạm vi nhất định từ một mảng NumPy trong Python?Sử dụng phương thức logic_and()
. Mỗi điều kiện hoặc biểu thức sẽ trả về một giá trị boolean. Các giá trị boolean này được sử dụng để trích xuất các phần tử cần thiết từ mảng. |
