NumPy

ایجاد، نمایش و دسترسی به عناصر آرایه های چند بعدی در NumPy

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:

  • از تابع np.array() استفاده کنید و ابعاد و داده های اولیه آرایه را مشخص کنید:
Python
import numpy as np

# ایجاد آرایه ۳ بعدی با ابعاد (۲, ۳, ۴) و مقادیر تصادفی
array3d = np.random.rand(۲, ۳, ۴)
print(array3d)
  • از لیست های تو در تو برای مقادیر اولیه استفاده کنید:
Python
import numpy as np

# ایجاد آرایه ۳ بعدی با مقادیر دلخواه
array3d = np.array([
    [[۱, ۲, ۳], [۴, ۵, ۶]],
    [[۷, ۸, ۹], [۱۰, ۱۱, ۱۲]]
])
print(array3d)

نمایش آرایه های چند بعدی:

  • از تابع print() یا np.array_repr() برای نمایش آرایه به طور کامل استفاده کنید:
Python
import numpy as np

array3d = np.array([
    [[۱, ۲, ۳], [۴, ۵, ۶]],
    [[۷, ۸, ۹], [۱۰, ۱۱, ۱۲]]
])

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[۰, ۱, :])  # نمایش عناصر سطر دوم، ستون دوم از بعد اول
print(array3d[:, :, ۲])  # نمایش عناصر با اندیس ۲ در تمام ابعاد

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([
    [[۱, ۲, ۳], [۴, ۵, ۶]],
    [[۷, ۸, ۹], [۱۰, ۱۱, ۱۲]]
])

value1 = array3d[۰, ۱, ۲]  # دسترسی به عنصر در سطر ۰، ستون ۱، شاخص ۲
value2 = array3d[۱, :, ۰]  # 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[۰, ...]  # دسترسی به تمام عناصر در سطر اول
column2 = array3d[:, ۱, :]  # 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() و np.ndim() به ترتیب ابعاد و تعداد ابعاد آرایه را برمی گردانند.
  • می توانید از توابع NumPy مانند np.swapaxes() و np.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 ۳ بعدی:

Python
import numpy as np

array3d = np.array([
    [[۱, ۲, ۳], [۴, ۵, ۶]],
    [[۷, ۸, ۹], [۱۰, ۱۱, ۱۲]]
])

row_means = np.mean(array3
۵/۵ ( ۱ امتیاز )
نمایش بیشتر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا