Ευρετηρίαση Αρχείων Αριθμητικών στο NumPy

Πρόσβαση στο στοιχείο του διανύσματος

Η ευρετηρίαση του διανύσματος είναι ίση με την πρόσβαση στο στοιχείο του διανύσματος.

Μπορείτε να προσέξετε το στοιχείο του διανύσματος αναφέροντας τον αριθμό της ευρετηρίας του.

Οι ευρετηρίασεις των NumPy διανυσμάτων ξεκινούν από το 0, αυτό σημαίνει ότι η ευρετηρίαση του πρώτου στοιχείου είναι 0, η ευρετηρίαση του δεύτερου στοιχείου είναι 1 και ούτω καθεξής.

Παράδειγμα

Αποκτήστε το 1ο στοιχείο από την παρακάτω λίστα:

import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[0])

Εκτέλεση Παραδείγματος

Παράδειγμα

Αποκτήστε το 2ο στοιχείο από την παρακάτω λίστα:

import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[1])

Εκτέλεση Παραδείγματος

Παράδειγμα

Αποκτήστε το 3ο και το 4ο στοιχείο από την παρακάτω λίστα και προσθέστε τα:

import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[2] + arr[3])

Εκτέλεση Παραδείγματος

Πρόσβαση σε 2-D διανύσματα

Για να προσέξουμε το στοιχείο ενός διδιάστατου διανύσματος, μπορούμε να χρησιμοποιήσουμε αριθμούς που διαχωρίζονται με κόμματα για να δείξουμε τις διαστάσεις και τις ευρετηρίασεις του στοιχείου.

Παράδειγμα

Πρόσβαση στο 2ο στοιχείο της πρώτης διάστασης:

import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('2nd element on 1st dim: ', arr[0, 1])

Εκτέλεση Παραδείγματος

Παράδειγμα

Πρόσβαση στο 5ο στοιχείο της δεύτερης διάστασης:

import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('5th element on 2nd dim: ', arr[1, 4])

Εκτέλεση Παραδείγματος

Πρόσβαση σε 3-D διανύσματα

Για να προσέξουμε το στοιχείο ενός 3-D διανύσματος, μπορούμε να χρησιμοποιήσουμε αριθμούς που διαχωρίζονται με κόμματα για να δείξουμε τις διαστάσεις και τις ευρετηρίασεις του στοιχείου.

Παράδειγμα

Επικοινωνία με το τρίτο στοιχείο της δεύτερης μάζας της πρώτης μάζας:

import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
print(arr[0, 1, 2])

Εκτέλεση Παραδείγματος

Παράδειγμα Επεξήγησης

arr[0, 1, 2] Εκτύπωση τιμών 6.

Μέθοδος Εργασίας:

Ο πρώτος αριθμητικός αντιπροσωπεύει την πρώτη διάσταση που περιέχει δύο μάζες:

[[1, 2, 3], [4, 5, 6]]

τότε:

[[7, 8, 9], [10, 11, 12]]

Επειδή επιλέξαμε 0Επομένως, απομένει η πρώτη μάζα:

[[1, 2, 3], [4, 5, 6]]

Η δεύτερη αριθμητική αντιπροσωπεύει τη δεύτερη διάσταση που περιέχει δύο μάζες:

[1, 2, 3]

τότε:

[4, 5, 6]

Επειδή επιλέξαμε 1Επομένως, απομένει η δεύτερη μάζα:

[4, 5, 6]

Η τρίτη αριθμητική αντιπροσωπεύει την τρίτη διάσταση που περιέχει τρεις τιμές:

4
5
6

Επειδή επιλέξαμε 2Επομένως, τελικά��ουμε τον τρίτο τιμή:

6

Αρνητική Index

Χρήση αρνητικής索引 για πρόσβαση στην κορυφή του πίνακα.

Παράδειγμα

Εκτύπωση του τελευταίου στοιχείου στη δεύτερη διάσταση:

import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('Τελευταίο στοιχείο από τη δεύτερη διάσταση: ', arr[1, -1])

Εκτέλεση Παραδείγματος