Array 2D, array 3D dll. disebut array multidimensi. Array 2D berisi lebih dari 1 baris dan 1 kolom dan dapat diperlakukan sebagai kombinasi dari beberapa array 1D. Array 2D juga dianggap sebagai matriks. Misalnya, larik 2D dengan baris 'm' dan kolom 'n' disebut matriks m x n Show
Kita dapat membuat array multidimensi dengan cara berikut
Fungsi array()Fungsi Numpy'sarray() dapat digunakan untuk membuat array multidimensi. Biasanya, kami meneruskan daftar elemen ke fungsi ini. Jika kita meneruskan satu daftar elemen ke fungsi ini, maka itu akan membuat larik 1D. Jika kita melewatkan dua daftar elemen, maka fungsi ini membuat larik 2D a = larik([1,2,3,4]) a = larik([[1,2,3,4], [5,6,7,8]]) Menampilkan elemen array 2D [[1 2 3 4] [5 6 7 8]] Meskipun elemen ditampilkan dalam 2 baris dan 4 kolom, memori internal yang dialokasikan untuk semua elemen ini akan berupa satu baris yang berisi 8 blok (2 x 4 = 8). Elemen disimpan di lokasi memori yang berdekatan seperti yang ditunjukkan di bawah ini Fungsi one() dan zeros()Fungsi ones() berguna untuk membuat array 2D dengan beberapa baris dan kolom yang semua elemennya akan diambil sebagai 1. Format dari fungsi ini adalah yang ((r, c), dtype) Di sini, 'r' mewakili jumlah baris dan 'c' mewakili jumlah kolom. 'dtype' mewakili tipe data elemen dalam array. Sebagai contoh, a = satuan((3, 4), float) akan membuat array 2D dengan 3 baris dan 4 kolom dan tipe data diambil sebagai float. kita dapat melihat array sebagai [[1. 1. 1. 1. ] [1. 1. 1. 1. ] [1. 1. 1. 1. ]] Sama seperti fungsi ones() , kita juga dapat menggunakan fungsi zeros() untuk membuat array 2D dengan elemen yang diisi dengan nol b = nol((3,4), int) Kemudian array 2D dengan 2 baris dan 4 kolom akan dibuat di mana semua elemen akan menjadi 0, seperti yang ditunjukkan di bawah ini [[0 0 0 0] [0 0 0 0] [0 0 0 0]] Mata() FungsiFungsi eye() membuat array 2D dan mengisi elemen diagonal dengan 1s. Format umum penggunaan fungsi ini adalah mata(n, dtype=tipe data) Ini akan membuat larik dengan baris 'n' dan kolom 'n'. Tipe data default adalah 'float'. Misalnya, eye(3) akan membuat larik 3x3 dan mengisi elemen diagonal dengan 1s seperti yang ditunjukkan di bawah ini b = mata(3) [[1. 0. 0. ] [0. 1. 0. ] [0. 0. 1. ]] from numpy import * b =eye(4) print(b) Fungsi reshape()Fungsi reshape() telah dibahas pada bagian sebelumnya. Kami akan memiliki diskusi yang rumit tentang fungsi ini sekarang. Fungsi ini berguna untuk mengubah larik 1D menjadi larik multidimensi (2D atau 3D). Sintaks penulisan fungsi ini adalah bentuk ulang(namaarray, (n, r, c)) Di sini, 'arrayname' mewakili nama array yang elemennya akan dikonversi. 'n' menunjukkan jumlah larik dalam larik yang dihasilkan. 'r', 'c' masing-masing menunjukkan jumlah baris dan kolom. Sebagai contoh, kita mengambil array 1D 'a' dengan 6 elemen sebagai a = larik([1, 2, 3, 4, 5, 6]) Untuk mengubah 'a' menjadi array 2D menggunakan fungsi reshape(), kita dapat menulis b = bentuk ulang(a, (2, 3)) Kami mengubah elemen array 'a' menjadi array 2D dengan 2 baris dan 3 kolom, dan array yang dihasilkan adalah 'b'. Jadi, array 2D 'b' terlihat seperti ini [[1 2 3] [4 5 6]] Amati dua pasang tanda kurung siku awal yang menunjukkan bahwa itu adalah larik 2D. Misalkan, kita menulis b = bentuk ulang(a, (3, 2)) Ini akan mengubah 'a' menjadi larik 2D dengan 3 baris dan 2 kolom yang terlihat seperti ini [[1 2] [3 4] [5 6]] Dimungkinkan untuk menggunakan fungsi reshape() untuk mengubah larik 1D menjadi larik 3D. Mari kita ambil array 1D 'a' dengan 12 elemen sebagai a = rentang(12) [0 1 2 3 4 5 6 7 8 9 10 11] Sekarang, untuk mengubah array 1D ini menjadi array 3D, kita dapat menggunakan fungsi reshape() sebagai b = bentuk ulang(a, (2, 3, 2)) b = bentuk ulang(a, (2, 3, 2)) Di sini, 'a' mewakili nama larik yang sedang dikonversi. Pada fungsi reshape(), setelah 'a', amati angka (2, 3, 2). Mereka menyatakan bahwa kami menginginkan 2 array masing-masing dengan 3 baris dan 2 kolom. Jadi, array 3D 'b' yang dihasilkan terlihat seperti ini Dalam tutorial ini, Anda akan belajar cara menggunakan NumPy untuk memetakan fungsi di atas array menggunakan metode yang berbeda seperti NumPy vectorize. Mampu menerapkan fungsi yang sama ke setiap elemen dalam array adalah keterampilan yang penting. Namun, karena larik NumPy seringkali cukup besar, kami perlu mempertimbangkan kinerja saat memetakan fungsi ke larik NumPy Di akhir tutorial ini, Anda akan belajar
Daftar isi Apa Cara Terbaik untuk Memetakan Fungsi ke Array NumPyCara terbaik untuk memetakan fungsi ke array NumPy adalah dengan meneruskan array ke fungsi secara langsung. Ini bukan hanya cara yang paling sederhana, tetapi juga cara yang paling mudah dibaca. Metode ini berfungsi untuk array dengan dimensi apa pun Mari selami cara kerja metode ini dengan terlebih dahulu menjelajahi cara memetakan fungsi ke larik satu dimensi di bagian selanjutnya Petakan Fungsi ke Array NumPy Satu DimensiCara termudah untuk memetakan fungsi ke array satu dimensi adalah dengan melewatkan array ke dalam fungsi. Fungsi ini dapat berupa fungsi bawaan, fungsi yang ditentukan pengguna, atau fungsi lambda anonim Mari kita lihat membuat fungsi yang ditentukan pengguna yang mengkuadratkan angka. Kami kemudian dapat meneruskan array NumPy ke fungsi itu untuk melihat apa yang terjadi _Mari uraikan apa yang kita lakukan pada kode di atas
Mirip dengan contoh di atas, kita dapat menggunakan fungsi lambda anonim untuk memetakan array fungsi. Mari kita lihat bagaimana kita dapat membuat ulang fungsi kita sebagai fungsi lambda sederhana
Kode dalam contoh di atas berperilaku serupa dengan menggunakan fungsi yang ditentukan pengguna. Namun, kami menggunakan fungsi lambda sebagai gantinya. Sekarang setelah Anda mengetahui cara memetakan fungsi ke array NumPy satu dimensi, mari kita lihat bagaimana kita dapat melakukan ini untuk array dua dimensi Petakan Fungsi ke Array NumPy Dua DimensiMenerapkan fungsi ke setiap elemen dalam larik NumPy dua dimensi bekerja dengan cara yang sama seperti larik satu dimensi. Kami cukup meneruskan array ke dalam fungsi dan memetakan setiap elemen menggunakan fungsi itu. Mari kita lihat cara kerjanya
Kita dapat melihat dari blok kode di atas bahwa fungsi diterapkan ke setiap elemen dalam array. Pendekatan ini cukup Pythonic dan memungkinkan kita untuk sangat berhati-hati dengan kode kita Cara Menggunakan NumPy vectorize untuk Memetakan Fungsi ke ArrayFungsi NumPy 0 adalah fungsi kemudahan yang disediakan oleh NumPy untuk membuat fungsi yang dapat diterapkan ke array NumPy. Fungsi mengubah fungsi lain untuk menerapkannya array NumPyPerlu dicatat, bahwa fungsi tersebut tidak dirancang untuk kinerja. Itu hanya mengulang setiap elemen dalam array dan memproses item. Karena itu, ini bukan pendekatan yang paling direkomendasikan. Mari kita lihat bagaimana kita dapat memvektorisasi fungsi kita sebelumnya dan menerapkannya ke setiap elemen dalam sebuah array
Intinya, ini tidak berbuat banyak melebihi contoh kita sebelumnya. Ini benar-benar menambah langkah pemrosesan data kami dan dapat menyebabkan beberapa perilaku tak terduga dengan fungsi yang lebih kompleks Cara Menggunakan Peta Python untuk Memetakan Fungsi ke Array NumPyPython hadir dengan fungsi bawaan untuk memetakan fungsi ke item yang dapat diubah, 1. Fungsi ini memungkinkan Anda untuk dengan mudah menerapkan fungsi ke setiap elemen dalam iterable tanpa perlu menulis perulangan for secara eksplisit. Mari kita lihat bagaimana kita bisa menggunakan fungsi untuk menerapkan fungsi ke setiap elemen dalam array
Di blok kode di atas, kami membuat sebuah array dan fungsi lambda. Kami kemudian melewatkan fungsi dan larik masing-masing ke dalam fungsi Python map(). Karena fungsi _1 mengembalikan objek peta, kita perlu mengubahnya kembali menjadi larik NumPy menggunakan konstruktor 3Cara Menggunakan For Loops untuk Memetakan Fungsi ke Array NumPyDi bagian ini, Anda akan mempelajari cara menggunakan loop for Python untuk memetakan fungsi ke setiap item dalam array NumPy. Metode ini secara eksplisit melakukan apa yang dilakukan fungsi NumPy vectorize dan mungkin lebih jelas untuk dibaca oleh pembaca kode Anda Mari kita lihat bagaimana kita bisa melakukan ini
Di blok kode di atas, pertama-tama kita membuat array dan fungsi yang ingin kita terapkan. Kami kemudian mengulang setiap elemen dalam array dan menambahkannya ke array baru. Kami memanipulasi setiap elemen dalam array dengan mengakses nilai array secara langsung di loop for. Kami menetapkan nilai ke nilai yang dipetakan yang dikembalikan oleh fungsi kami Kita dapat menyederhanakan kode ini dengan menggunakan pemahaman daftar, seperti yang akan Anda pelajari di bagian berikut Cara Menggunakan Pemahaman Daftar untuk Memetakan Fungsi ke Array NumPyKita dapat menyederhanakan metode di atas dengan menggunakan pemahaman daftar untuk menggantikan perulangan for kita. Kita dapat menggunakan pemahaman daftar untuk membuat daftar nilai baru di mana setiap item dipetakan ke suatu fungsi. Untuk mengubahnya kembali menjadi larik NumPy, kita perlu meneruskannya ke fungsi konstruktor 3
Mari uraikan apa yang kita lakukan di blok kode di atas
KesimpulanDalam panduan ini, Anda mempelajari cara memetakan fungsi ke larik NumPy. Anda pertama kali mempelajari cara melewatkan array ke dalam fungsi, baik untuk array satu dimensi maupun dua dimensi. Kemudian, Anda belajar cara menggunakan fungsi NumPy 0 untuk mengubah fungsi lain menjadi fungsi vektor. Dari sana, Anda belajar cara menggunakan fungsi Python 1, untuk loop dan pemahaman daftar untuk memetakan fungsi ke array NumPy
Bagaimana Anda meneruskan array ke suatu fungsi dengan Python?Kita perlu mengimpor array, dan setelah itu, kita akan membuat array dengan tipe data dan elemennya, lalu kita akan meneruskannya ke fungsi untuk mengulang elemen di . .
Bagaimana Anda meneruskan array 2d ke suatu fungsi di Python?from array import * # import all package related to the array. arr1 = [[1, 2, 3, 4], [8, 9, 10, 12]] # menginisialisasi elemen array. print(arr1) # mencetak elemen arr1. # Gunakan fungsi insert() untuk menyisipkan elemen yang berisi dua parameter .
Bisakah Anda meneruskan daftar ke suatu fungsi dengan Python?Anda dapat mengirim tipe data apa pun dari argumen ke suatu fungsi (string, angka, daftar, kamus, dll. ), dan akan diperlakukan sebagai tipe data yang sama di dalam fungsi.
Bagaimana Anda meneruskan daftar sebagai argumen dalam skrip Python?Bekerja dengan baris perintah. Pertimbangkan kode di bawah ini yang ditulis dalam cmdlis. py. impor sistem. print("nama programnya adalah ", sys. argumen[ 0 ]). Memanggil daftar menggunakan baris perintah. impor sistem. print("nama programnya adalah ", sys. argumen[ 0 ]). Bekerja dengan daftar yang dipanggil oleh baris perintah. sys |