So sánh giá trị trong mảng python
Ở trên là tự giải thích, chúng tôi đang so sánh hai phần tử cụ thể trong mảng. Nhưng nếu chúng tôi không chỉ định các yếu tố cụ thể để so sánh, chúng tôi sẽ gặp lỗi. Lấy đoạn mã sau Show
import numpy as np myData = np.array([[1.1, 2.2, 3.3], [4.4, 5.5, 6.6]]) print (myData.shape) print (myData[0,:]) print (myData[1,:]) if (myData[0,:]>myData[1,:]): print ("yes") else: print ("no") (2, 3) Chúng tôi thấy một lỗi giá trị khi chúng tôi cố gắng thực hiện các thao tác trên, vì chúng tôi không đánh giá 1 phần tử so với phần tử khác. Chúng tôi đang cố gắng đánh giá một phạm vi so với một phạm vi khác a. bất kỳ () và một. tất cả các()cái gì là. bất kỳ () và một. tất cả các() Theo tài liệu a. không tí nào(). a. tất cả các(). Hãy thử sử dụng cái này import numpy as np myData = np.array([[1.1, 9.2, 2.3], [4.4, 5.5, 6.6]]) print (myData.shape) print (myData[0,:]) print (myData[1,:]) if (myData[0,:]>myData[1,:]).any(): print ("yes") else: print ("no") (2, 3) Bằng cách sử dụng bất kỳ () ở trên, chúng tôi đang nói nếu bất kỳ phần tử nào trong hàng đầu tiên lớn hơn bất kỳ phần tử phù hợp nào trong hàng thứ hai, hãy trả về “có” Để rõ ràng, những gì nó hỏi thực sự là 3 câu hỏi
Như bạn có thể thấy, câu hỏi 2 sẽ trả về true trong khi 1 & 3 sẽ trả về false. Bởi vì chúng tôi đang sử dụng bất kỳ(), câu lệnh if trả về true Như bạn có thể thấy, 9. 2 lớn hơn phần tử tương ứng mà nó đang được kiểm tra, vì vậy nó trả về true (in ra “có”) Bây giờ nó trở nên rõ ràng hơn những gì all() sẽ làm Sử dụng cùng một mảng, đoạn mã sau trả về “Không” import numpy as np myData = np.array([[1.1, 9.2, 2.3], [4.4, 5.5, 6.6]]) print (myData.shape) print (myData[0,:]) print (myData[1,:]) if (myData[0,:]>myData[1,:]).all(): print ("yes") else: print ("no") (2, 3) Sử dụng all(), 3 câu hỏi chúng tôi đã hỏi ở trên đều cần phải đúng, như bên dưới import numpy as np myData = np.array([[14.1, 9.2, 6.600001], [4.4, 5.5, 6.6]]) print (myData.shape) print (myData[0,:]) print (myData[1,:]) if (myData[0,:]>myData[1,:]).all(): print ("yes") else: print ("no") (2, 3) Bạn có thể thấy ở trên rằng mọi phần tử của dữ liệu đầu tiên đều lớn hơn mọi phần tử tương ứng trong dữ liệu thứ hai Khi hai mảng numpy được so sánh bằng toán tử ==, nó sẽ trả về một mảng boolean. Nếu bất kỳ giá trị nào trong mảng boolean là true, thì các phần tử tương ứng trong cả hai mảng đều bằng nhau, ngược lại thì không bằng nhau Cách tiếp cận quảng cáo
Mã nguồn (2, 3)0 đầu ra Việc so sánh cũng có thể được thực hiện với các toán tử lớn hơn (>) và nhỏ hơn (<). Các phần tử mảng boolean sẽ chứa true nếu toán tử được áp dụng là true, ngược lại là false Mã sử dụng toán tử > và < (2, 3)2 đầu ra (2, 3)3 So sánh hai mảng NumPy sử dụng vòng lặp for và zip()Phương thức zip() lấy nhiều lần lặp làm đối số và cung cấp bộ dữ liệu có độ dài n. Trong đó n là số lần lặp được truyền cho nó. Bây giờ, sử dụng vòng lặp for và zip(), chúng tôi sẽ lặp lại cả hai mảng và so sánh chúng theo từng phần tử Cách tiếp cận
Mã nguồn (2, 3)4 đầu ra (2, 3)5 Việc so sánh cũng có thể được thực hiện với các toán tử lớn hơn (>) và nhỏ hơn (<). Bằng cách thay thế [ True True False False True] Both Arrays are not equal2 bằng toán tử [ True True False False True] Both Arrays are not equal5 hoặc [ True True False False True] Both Arrays are not equal6 So sánh hai mảng NumPy sử dụng vòng lặp forLặp lại mảng và so sánh từng phần tử bằng toán tử [ True True False False True] Both Arrays are not equal7. Để truy cập các phần tử của cả hai mảng, hãy sử dụng lập chỉ mục Cách tiếp cận
Mã nguồn import numpy as np myData = np.array([[1.1, 9.2, 2.3], [4.4, 5.5, 6.6]]) print (myData.shape) print (myData[0,:]) print (myData[1,:]) if (myData[0,:]>myData[1,:]).any(): print ("yes") else: print ("no")0 đầu ra import numpy as np myData = np.array([[1.1, 9.2, 2.3], [4.4, 5.5, 6.6]]) print (myData.shape) print (myData[0,:]) print (myData[1,:]) if (myData[0,:]>myData[1,:]).any(): print ("yes") else: print ("no")1 So sánh hai Mảng NumPy bằng cách sử dụng Danh sách hiểuSử dụng khả năng hiểu danh sách, lặp qua mảng và so sánh từng phần tử bằng toán tử [ True True False False True] Both Arrays are not equal7 Cách tiếp cận
Mã nguồn import numpy as np myData = np.array([[1.1, 9.2, 2.3], [4.4, 5.5, 6.6]]) print (myData.shape) print (myData[0,:]) print (myData[1,:]) if (myData[0,:]>myData[1,:]).any(): print ("yes") else: print ("no")3 đầu ra import numpy as np myData = np.array([[1.1, 9.2, 2.3], [4.4, 5.5, 6.6]]) print (myData.shape) print (myData[0,:]) print (myData[1,:]) if (myData[0,:]>myData[1,:]).any(): print ("yes") else: print ("no")4 So sánh hai mảng NumPy sử dụng vòng lặp whileLặp lại mảng bằng vòng lặp while và so sánh từng phần tử bằng toán tử [ True True False False True] Both Arrays are not equal7. Để truy cập các phần tử của cả hai mảng, hãy sử dụng lập chỉ mục Cách tiếp cận
Mã nguồn [ True True False False True] Both Arrays are not equal0 đầu ra [ True True False False True] Both Arrays are not equal1 Bản tóm tắtTuyệt quá. bạn đã tạo ra nó, Chúng tôi đã thảo luận về Tất cả các phương pháp khả thi để so sánh hai phần tử Mảng NumPy một cách khôn ngoan bằng cách sử dụng Python. học tập vui vẻ Hướng dẫn về Pandas -Tìm hiểu Phân tích dữ liệu với Python
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 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 |