Array numpy affetto

“Lo slittamento dell'array numpy è il metodo nel linguaggio Python che viene utilizzato per tagliare un array. Numpy è una libreria presentata dai pacchetti Python e si occupa di tutte le funzioni relative a numeri, array (monodimensionali e multidimensionali) e matrici. La fessura dell'array viene utilizzata ogni volta che dobbiamo lavorare su un valore presente in un indice specifico in un array, E.G., Se abbiamo un array monodimensionale, supponiamo "[3, 4, 5, 6, 7, 9, 11]" e vogliamo eseguire una determinata operazione sull'elemento array che esiste al numero 2 dell'indice o se Vogliamo eliminare il numero dall'array dall'indice numero 2 fino al numero dell'indice 5 ed eseguire alcune operazioni su di esso, quindi lo faremo tagliando l'array con l'array di funzione."

Procedura

Il metodo di implementazione verrà discusso e mostrato con l'aiuto di diversi esempi in questo articolo. Seguendo completamente questo articolo, i lettori potranno conoscere la sintassi di base per la taglio dell'array usando la libreria Numpy. Il prerequisito per l'implementazione di questo metodo, come descritto nell'articolo, sarebbe quello di assicurarsi che i nostri sistemi abbiano un compilatore Python in esecuzione con i pacchetti numpy installati.

Sintassi

Il metodo di base per l'implementazione del taglio dell'array è il seguente:

$ [inizio: fermati: passaggio]

Per l'implementazione della taglio dell'array, dobbiamo affrontare i tre S-Method, che rappresentano la prima "S", l'indice iniziale da dove vogliamo che l'avvio della taglio, quindi arriva la seconda "S", che rappresentano fermate che raccontano Quanta lunghezza vogliamo che l'array venga tagliato e l'ultimo passaggio "s", che specifica l'incremento nell'indice dell'array per tagliare. Per impostazione predefinita, l'avvio è impostato sull'indice iniziale "0", l'arresto è fissato alla lunghezza dell'array e il passaggio ha il valore "+1".

Con la completa conoscenza della sintassi sopra menzionata per la taglio dell'array numpy, possiamo modificare la sintassi e possiamo tagliare un array in base al nostro requisito con i diversi approcci che verranno mostrati negli esempi.

Esempio 01

In questo primo esempio dell'articolo, implementeremo il metodo di taglio dell'array di base su un array monodimensionale. Abbiamo già creato un progetto nel compilatore Python e abbiamo importato la libreria numpy in modo da poter utilizzare la dichiarazione dell'array e la sua funzione correlata nel progetto. Per iniziare con l'esempio, dichiariamo e inizializziamo un array unidimensionale con il membro o gli elementi come "[3, 6, 8, 7, 9, 2, 4, 5]" usando il metodo di dichiarazione numpy come "NP. vettore()".

Ora proveremo a tagliare l'array dall'indice 2 a 4; Quindi, per questo taglio, chiameremo semplicemente il nome dell'array che avevamo dichiarato, e quindi usando la fascia quadrata e la notazione ":", specificheremo l'indice iniziale come "2" e l'indice di arresto come "4" e il Passaggio per l'incremento come "1", e.G. [Avvia: Stop: Step] che implica nel nostro caso come [2: 4: 1] e quindi visualizzeremo semplicemente i risultati di questo taglio chiamando la funzione di stampa (). L'esempio è mostrato nel codice Python nella figura seguente:

Importa Numpy come NP
array = np.Array ([3, 6, 8, 7, 9, 2, 4, 5])
Stampa (array [2: 4: 1])

L'output dopo l'esecuzione del codice sopra nel compilatore sembra essere 8 e 7. Questo perché abbiamo tagliato l'array dall'indice 2 a 4, e all'indice 2 ne avevamo 8; All'indice 4, abbiamo avuto 7 nell'array. Quindi qui, il codice ha dato l'output corretto.

Esempio 02

Il secondo esempio ci mostrerà come possiamo usare il metodo di taglio per tagliare l'intero array dopo un indice specifico. Dovremo creare un nuovo progetto con un nome (come desideriamo). In questo progetto appena creato, installeremo e importeremo la libreria numpy in modo che possiamo essere in grado di utilizzare le funzioni relative alle matrici e ai ND-ARRAYS.

Dopo aver importato il numpy come NP, useremo questo "NP" per dichiarare un array che ha una dimensione in questo esempio come "[2, 4, 6, 7, 8, 9, 3]". Applicheremo il taglio in questo array dall'indice 3 alla fine dell'array e lo faremo con il metodo "Array ([Avvia indice:])". Questa sintassi richiede solo l'indice iniziale e per il resto dell'array, usiamo la notazione ":". Implettiamo questo metodo per il nostro esempio modificando la funzione come "array ([3:])". Questo esempio può essere scritto nello script Python come segue.

Importa Numpy come NP
array = np.Array ([2, 4, 6, 7, 8, 9, 3])
stampa (array [3:])

Dopo aver eseguito correttamente il codice, l'output ha restituito i numeri 7, 8, 9 e 3 perché l'indice 3 nel nostro array dichiarato inizia da 7 e termina a 3, dove la fine dell'array termina.

Esempio 03

Il terzo esempio sarebbe leggermente diverso dagli esempi sopra spiegati nell'articolo. Qui tratteremo gli array multidimensionali ed eseguiremo il metodo di taglio su di essi. Creeremo un nuovo progetto nel compilatore Python e quindi importeremo Numpy come NP. Successivamente, dichiareremo un array 2-D come "([[1, 3, 5, 4, 6], [7, 3, 3, 9, 11]])". Supponiamo ora che vogliamo tagliare questo array in modo tale che il primo elemento dell'array che è "[1, 3, 5, 4, 6]" rimane intatto e il secondo elemento che è "[7, 3, 3, 9 , 11] "Viene tagliato dall'indice da 0 a 3, quindi modificheremo il metodo di taglio di taglio sopra utilizzato come" Stampa (array [1, 0: 3]) ".

Importa Numpy come NP
array = np.Array ([[1, 3, 5, 4, 6], [7, 3, 3, 9, 11]])
Stampa (array [1, 0: 4])

L'output del codice viene visualizzato come 7, 3, 3 e 9, il che è corretto.

Conclusione

Con l'aiuto di questo articolo, avremo un'introduzione alla taglio di matrice numpy. Questo articolo rappresenta tre esempi in totale, che mostrano la completa dimostrazione della taglio dell'array per ND-ARRAYS utilizzando approcci diversi. La sintassi di base per la taglio dell'array rimane la stessa, ma possiamo modificarla un po 'per usarla per i nostri requisiti.