NumPy به طور قدرتمندی از آرایه های چند بعدی برای ذخیره و کار با داده های پیچیده در ساختارهای منظم پشتیبانی می کند. در این بخش، نحوه ایجاد، نمایش و دسترسی به عناصر آرایه های چند بعدی در NumPy را بررسی می کنیم.
ایجاد آرایه های چند بعدی:
ایجاد آرایه های چند بعدی:
- از تابع
np.array()
استفاده کنید و ابعاد و داده های اولیه آرایه را مشخص کنید:
Python
import numpy as np
# ایجاد آرایه 3 بعدی با ابعاد (2, 3, 4) و مقادیر تصادفی
array3d = np.random.rand(2, 3, 4)
print(array3d)
- از لیست های تو در تو برای مقادیر اولیه استفاده کنید:
Python
import numpy as np
# ایجاد آرایه 3 بعدی با مقادیر دلخواه
array3d = np.array([
[[1, 2, 3], [4, 5, 6]],
[[7, 8, 9], [10, 11, 12]]
])
print(array3d)
نمایش آرایه های چند بعدی:
نمایش آرایه های چند بعدی:
- از تابع
print()
یاnp.array_repr()
برای نمایش آرایه به طور کامل استفاده کنید:
Python
import numpy as np
array3d = np.array([
[[1, 2, 3], [4, 5, 6]],
[[7, 8, 9], [10, 11, 12]]
])
print(array3d) # نمایش کامل آرایه
print(np.array_repr(array3d)) # نمایش کامل آرایه با جزئیات بیشتر
- از اسلایس ها برای نمایش زیرمجموعه های آرایه استفاده کنید:
Python
print(array3d[0, 1, :]) # نمایش عناصر سطر دوم، ستون دوم از بعد اول
print(array3d[:, :, 2]) # نمایش عناصر با اندیس 2 در تمام ابعاد
دسترسی به عناصر آرایه های چند بعدی:
دسترسی به عناصر آرایه های چند بعدی:
- از اندیس گذاری مبتنی بر صفر برای دسترسی به عناصر استفاده کنید:
Python
import numpy as np
array3d = np.array([
[[1, 2, 3], [4, 5, 6]],
[[7, 8, 9], [10, 11, 12]]
])
value1 = array3d[0, 1, 2] # دسترسی به عنصر در سطر 0، ستون 1، شاخص 2
value2 = array3d[1, :, 0] # دسترسی به ستون اول از تمام سطرها در بعد دوم
print(value1, value2)
- از اسلایس ها برای دسترسی به زیرمجموعه های عناصر استفاده کنید:
Python
row1 = array3d[0, ...] # دسترسی به تمام عناصر در سطر اول
column2 = array3d[:, 1, :] # دسترسی به تمام عناصر در ستون دوم از تمام ابعاد
diagonal = array3d.diagonal() # دسترسی به عناصر قطر اصلی
print(row1, column2, diagonal)
نکات:
- برای آرایه های با ابعاد بالاتر، می توانید از علامت
...
برای جایگزینی اندیس های خاص در اسلایس ها استفاده کنید. - توابع
np.shape()
وnp.ndim()
به ترتیب ابعاد و تعداد ابعاد آرایه را برمی گردانند. - می توانید از توابع NumPy مانند
np.swapaxes()
وnp.transpose()
برای جابجایی ابعاد آرایه استفاده کنید. - با تسلط بر این مفاهیم، می توانید به طور کارآمد داده های پیچیده را در آرایه های چند بعدی NumPy ذخیره، دستکاری و تجزیه و تحلیل کنید.
مثال: محاسبه میانگین هر سطر در یک آرایه 3 بعدی:
Python
import numpy as np
array3d = np.array([
[[1, 2, 3], [4, 5, 6]],
[[7, 8, 9], [10, 11, 12]]
])
row_means = np.mean(array3