Tạo mảng 2D Python NumPy
Phương thức Getsizeof() từ thư viện sys của Python sẽ cho bạn biết kích thước của một đối tượng Python trong bộ nhớ Show
import sys x="Australia" y=sys.getsizeof(x) print(y) đầu ra 58 Kết quả tính bằng byte Getsizeof() sẽ cung cấp kích thước của bất kỳ đối tượng Python nào. Đối tượng phạm vi, đối tượng byte, đối tượng đảo ngược, đối tượng danh sách, đối tượng từ điển, danh sách tiếp tục Trong bài viết này, trước tiên chúng ta sẽ thảo luận về cách tạo một ma trận trống hoặc mảng numpy 2D bằng cách sử dụng numpy. trống () và sau đó nối các hàng hoặc cột riêng lẻ vào ma trận này bằng cách sử dụng numpy. nối thêm () Trước khi tiếp tục, chúng ta hãy xem nhanh hai chức năng mà chúng ta sẽ sử dụng trong bài viết này, cục mịch. trống rỗng() numpy.empty(shape, dtype=float, order='C') Nó chấp nhận hình dạng và kiểu dữ liệu làm đối số. Sau đó trả về một mảng mới có hình dạng và kiểu dữ liệu đã cho nhưng không khởi tạo các mục nhập quảng cáo cục mịch. nối thêm () numpy.append(arr, values, axis=None) Nó chấp nhận các đối số sau,
Nó tạo một bản sao của mảng có nhiều mảng đã cho và sau đó nối các giá trị mảng có nhiều mảng vào nó dọc theo trục đã cho. Sau đó, nó trả về mảng mới này i. e. bản sao của mảng nhưng với các giá trị nối thêm Hãy sử dụng hai hàm này để tạo một mảng Numpy 2D trống và nối các mục vào đó dưới dạng hàng hoặc cột, Tạo mảng Numpy rỗng và nối thêm hàngHãy tạo một mảng Numpy trống với 4 cột hoặc 0 hàng, # Create an empty Numpy array with 4 columns or 0 rows empty_array = np.empty((0, 4), int) print('Empty 2D Numpy array:') print(empty_array) đầu ra Empty 2D Numpy array: [] Bây giờ để thêm một hàng mới vào mảng 2D Numpy trống này, chúng ta có thể sử dụng hàm numpy. nối thêm (). Nhưng chúng ta cần chuyển hàng dưới dạng một mảng gọn gàng chỉ có cùng hình dạng và chuyển trục=0, để nó có thể được nối dọc theo cột, # Append a row to the 2D numpy array empty_array = np.append(empty_array, np.array([[11, 21, 31, 41]]), axis=0) # Append 2nd rows to the 2D Numpy array empty_array = np.append(empty_array, np.array([[15, 25, 35, 45]]), axis=0) print('2D Numpy array:') print(empty_array) đầu ra 2D Numpy array: [[11 21 31 41] [15 25 35 45]] Vì mảng NumPy 2D của chúng tôi có 4 cột, do đó, để thêm một hàng mới, chúng tôi cần chuyển hàng này dưới dạng một mảng NumPy 2D riêng biệt có kích thước (1,4) i. e. 1 hàng và 4 cột. Điều quan trọng là chúng ta chuyển hàng để được thêm vào dưới dạng cùng một hình dạng của mảng có nhiều mảng nếu không chúng ta có thể gặp lỗi sau, Thêm nhiều hàng vào một mảng Numpy 2D trốngĐể thêm nhiều hàng vào một mảng 2D NumPy, hãy kết hợp các hàng trong một mảng có nhiều hình dạng giống nhau rồi nối thêm nó, ________số 8_______đầu ra 2D Numpy array: [[11 21 31 41] [15 25 35 45] [16 26 36 46] [17 27 37 47]] Tạo mảng Numpy rỗng và nối thêm các cộtHãy tạo một mảng Numpy trống với 4 hàng hoặc 0 cột, # Create an empty 2D numpy array with 4 rows and 0 column empty_array = np.empty((4, 0), int) print('Empty 2D Numpy array:') print(empty_array) đầu ra Empty 2D Numpy array: [] Bây giờ để nối thêm một cột mới vào mảng 2D Numpy trống này, chúng ta có thể sử dụng hàm numpy. nối thêm (). Nhưng chúng ta cần chuyển cột dưới dạng một mảng gọn gàng chỉ có cùng hình dạng và đối số axis=1, để nó có thể được nối dọc theo cột numpy.append(arr, values, axis=None)0 đầu ra numpy.append(arr, values, axis=None)1 Vì vậy, một cột được thêm vào mảng có nhiều mảng trống. Bây giờ hãy thêm một cột khác, numpy.append(arr, values, axis=None)2 đầu ra numpy.append(arr, values, axis=None)3 Ở đây chúng tôi đã thêm 2 cột vào một mảng Numpy 2D trống Bởi vì mảng có nhiều mảng trống rỗng của chúng ta có 4 hàng & 0 cột, do đó, để thêm một cột mới, chúng ta cần chuyển cột này dưới dạng một mảng có nhiều mảng 2D riêng biệt có kích thước (4,1) i. e. 4 hàng và 1 cột Thêm nhiều cột vào một mảng Numpy 2D trống trong một dòngĐể thêm nhiều cột vào một mảng 2D NumPy, hãy kết hợp các cột trong một mảng có nhiều hình dạng giống nhau rồi nối thêm nó, loại(). Hàm Python tích hợp này cho chúng ta biết loại đối tượng được truyền cho nó. Giống như trong đoạn mã trên, nó cho thấy rằng Để tạo một Thí dụSử dụng một tuple để tạo một mảng NumPy nhập numpy dưới dạng np mảng = np. mảng((1, 2, 3, 4, 5)) in (mảng) Tự mình thử »Kích thước trong MảngMột thứ nguyên trong mảng là một cấp độ sâu của mảng (mảng lồng nhau) mảng lồng nhau. là các mảng có các mảng là phần tử của chúng Mảng 0-DMảng 0-D, hoặc Scalars, là các phần tử trong một mảng. Mỗi giá trị trong một mảng là một mảng 0-D Thí dụTạo một mảng 0-D với giá trị 42 nhập numpy dưới dạng np mảng = np. mảng(42) in (mảng) Tự mình thử »Mảng 1-DMảng có các phần tử là mảng 0-D được gọi là mảng một chiều hoặc mảng 1-D Đây là những mảng phổ biến và cơ bản nhất Thí dụTạo mảng 1-D chứa các giá trị 1,2,3,4,5 nhập numpy dưới dạng np mảng = np. mảng([1, 2, 3, 4, 5]) in (mảng) Tự mình thử »Mảng 2 chiềuMột mảng có các phần tử là mảng 1-D được gọi là mảng 2-D Chúng thường được sử dụng để biểu diễn ma trận hoặc tenxơ bậc 2 NumPy có toàn bộ mô-đun phụ dành riêng cho hoạt động ma trận được gọi là Thí dụTạo mảng 2 chiều chứa hai mảng có giá trị 1,2,3 và 4,5,6 nhập numpy dưới dạng np mảng = np. mảng([[1, 2, 3], [4, 5, 6]]) in (mảng) Tự mình thử »mảng 3 chiềuMột mảng có mảng 2-D (ma trận) làm phần tử của nó được gọi là mảng 3-D Chúng thường được sử dụng để biểu diễn tensor bậc 3 Thí dụTạo mảng 3-D với hai mảng 2-D, cả hai đều chứa hai mảng có giá trị 1,2,3 và 4,5,6 nhập numpy dưới dạng np mảng = np. mảng([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]]) in (mảng) Tự mình thử »Kiểm tra số thứ nguyên?Mảng NumPy cung cấp thuộc tính Thí dụKiểm tra xem mảng có bao nhiêu kích thước nhập numpy dưới dạng np một = np. mảng(42) in (một. đim) Mảng chiều cao hơnMột mảng có thể có bất kỳ số chiều nào Khi mảng được tạo, bạn có thể xác định số thứ nguyên bằng cách sử dụng đối số Thí dụTạo một mảng có 5 chiều và xác minh rằng nó có 5 chiều nhập numpy dưới dạng np mảng = np. mảng([1, 2, 3, 4], ndmin=5) in (mảng) Trong mảng này chiều trong cùng (dim thứ 5) có 4 phần tử, dim thứ 4 có 1 phần tử là vector, dim thứ 3 có 1 phần tử là ma trận với vector, dim thứ 2 có 1 phần tử là mảng 3D và Làm cách nào để tạo mảng nhiều chiều trong Python bằng NumPy?Tạo mảng có nhiều thứ nguyên . nhập numpy dưới dạng np a = np. mảng([1, 2, 3, 4, 5, 6]) a[0] # lấy phần tử thứ 0 của mảng b = np. . print(a) # mảng 1 chiều ban đầu print(b) # mảng đã định hình lại b[0,2] # lấy phần tử ở hàng thứ 0 và cột thứ 2 b[0,2] = 100 bản in(b) c = np Chúng ta có thể tạo mảng 2D bằng Python không?Python cung cấp nhiều cách để tạo danh sách/mảng 2 chiều . Tuy nhiên, người ta phải biết sự khác biệt giữa những cách này vì chúng có thể tạo ra các phức tạp trong mã mà rất khó để tìm ra.
Làm cách nào để tạo mảng 1D 2D và 3D trong NumPy?Tạo mảng 1D. nhập numpy dưới dạng np one_ dimensions_list = [1,2,4] one_ dimensions_arr = np. . Tạo mảng 2D. nhập numpy dưới dạng np two_ dimensions_list=[[1,2,3],[4,5,6]] two_ dimensions_arr = np. . Tạo mảng 3D. nhập numpy dưới dạng np three_ dimensions_list=[[[1,2,3],[4,5,6],[7,8,9]]] three_ dimensions_arr = np Mảng 2D NumPy trong Python là gì?Mảng 2D là một mảng gồm các mảng có thể được biểu diễn dưới dạng ma trận, như hàng và cột . Trong mảng này, vị trí của các phần tử dữ liệu được xác định bằng hai chỉ mục thay vì một chỉ mục. Trong Python, chúng ta có thể truy cập các phần tử mảng hai chiều bằng hai chỉ số. |