NumPy ดัชนีแบบตัวแปร

เข้าถึงสมาชิกของแบบจำลอง

ดัชนีของแบบจำลองเท่ากับการเข้าถึงสมาชิกของแบบจำลอง

คุณสามารถเข้าถึงสมาชิกของแบบจำลองด้วยการอ้างดัชนีของมัน

ดัชนีของแบบจำลอง NumPy เริ่มต้นที่ 0 ซึ่งหมายความว่าดัชนีของสมาชิกแรกคือ 0 และดัชนีของสมาชิกที่ 2 คือ 1 ตามไปด้วย

ตัวอย่าง

เอาสมาชิกที่ 1 จากแบบจำลองดังกล่าว

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

ปฏิบัติตัวอย่าง

ตัวอย่าง

เอาสมาชิกที่ 2 จากแบบจำลองดังกล่าว

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

ปฏิบัติตัวอย่าง

ตัวอย่าง

เอาสมาชิกที่ 3 และ 4 จากแบบจำลองดังกล่าวและเพิ่มกัน

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

ปฏิบัติตัวอย่าง

เข้าถึงแบบจำลอง 2-D

เพื่อเข้าถึงสมาชิกของแบบจำลอง 2-D สามารถใช้ตัวเลขที่แยกด้วยคำหยาบเพื่อแสดงวงกว้างของสมาชิกและดัชนีของสมาชิก

ตัวอย่าง

เข้าถึงสมาชิกที่ 2 ในมิติที่ 1

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])

ปฏิบัติตัวอย่าง

ตัวอย่าง

เข้าถึงสมาชิกที่ 5 ในมิติที่ 2

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])

ปฏิบัติตัวอย่าง

เข้าถึงแบบจำลอง 3-D

เพื่อเข้าถึงสมาชิกของแบบจำลอง 3-D สามารถใช้ตัวเลขที่แยกด้วยคำหยาบเพื่อแสดงวงกว้างของสมาชิกและดัชนีของสมาชิก

ตัวอย่าง

เข้าถึงองค์ประกอบที่สามของตัวแปลที่สองของตัวแปลแรก:

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

ปฏิบัติตัวอย่าง

การอธิบายตัวอย่าง

arr[0, 1, 2] พิมพ์ค่า 6.

วิธีทำงาน:

ตัวเลขที่หนึ่งนำไปสู่มิติที่หนึ่ง ซึ่งมีตัวแปลสองเหล่านี้:

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

จากนั้น:

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

เพราะเราเลือก 0ดังนั้นจะเหลืออีกตัวแปลเดียว:

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

ตัวเลขที่สองนำไปสู่มิติที่สอง ซึ่งมีตัวแปลสองเหล่านี้:

[1, 2, 3]

จากนั้น:

[4, 5, 6]

เพราะเราเลือก 1ดังนั้นจะเหลืออีกตัวแปลเดียว:

[4, 5, 6]

ตัวเลขที่สามนำไปสู่มิติที่สาม ซึ่งมีค่าสามเหล่านี้:

4
5
6

เพราะเราเลือก 2ดังนั้นที่สุดจะได้ค่าที่สามมาตรับรอง:

6

ดัชนีลบ

ใช้ดัชนีลบเพื่อเข้าถึงตัวอย่างที่สุดท้ายของแนวตั้ง

ตัวอย่าง

พิมพ์ค่าขององค์ประกอบที่สุดท้ายในมิติที่สอง:

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

ปฏิบัติตัวอย่าง