Luodaan Korkeampia Ulottuvuuksia Sisältäviä Taulukoita
2D-taulukot
Luodaan nyt korkeampiulotteinen taulukko, nimittäin 2D-taulukko:
1234import numpy as np # Creating a 2D array array_2d = np.array([[1, 2, 3], [4, 5, 6]]) print(f'2-dimensional array: \n{array_2d}')
Periaatteessa korkeampiulotteisen NumPy-taulukon luominen tarkoittaa korkeampiulotteisen listan antamista array()-funktion argumentiksi.
Huomautus
Kaikkia NumPy-taulukko-olioita kutsutaan nimellä
ndarray.
Tässä on visualisointi 2D-taulukostamme:
Voimme ajatella sitä 2x3 matriisina.
3D-taulukko
3D-taulukoiden luominen on lähes identtistä 2D-taulukoiden luomisen kanssa. Ainoa ero on, että nyt meidän täytyy antaa 3D-lista argumenttina:
12345678import numpy as np # Creating a 3D array array_3d = np.array([ [[1, 2, 3], [4, 5, 6], [7, 8, 9]], [[10, 11, 12], [13, 14, 15], [16, 17, 18]], [[19, 20, 21], [22, 23, 24], [25, 26, 27]] ]) print(f'3-dimensional array: \n{array_3d}')
Kuitenkin, 3D-taulukon visualisointi on hieman monimutkaisempaa, mutta se on silti mahdollista:
Taulukko on 3x3x3, minkä vuoksi meillä on kuutio, jonka jokainen sivu on yhtä suuri kuin 3.
Käytännössä lähestymistapa 3D- ja korkeampidimensionaalisten taulukoiden käsittelyyn ei eroa 2D-taulukoiden käsittelystä.
Swipe to start coding
Luo 2D-taulukko käyttäen listoja. Tällä taulukolla voi olla mikä tahansa määrä rivejä ja sarakkeita, joissa on mielivaltaisia arvoja.
Ratkaisu
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Can you explain the difference between 2D and 3D arrays in NumPy?
How do I access elements in a 2D or 3D NumPy array?
What are some practical uses for 2D and 3D arrays?
Awesome!
Completion rate improved to 3.7Luodaan Korkeampia Ulottuvuuksia Sisältäviä Taulukoita
Pyyhkäise näyttääksesi valikon
2D-taulukot
Luodaan nyt korkeampiulotteinen taulukko, nimittäin 2D-taulukko:
1234import numpy as np # Creating a 2D array array_2d = np.array([[1, 2, 3], [4, 5, 6]]) print(f'2-dimensional array: \n{array_2d}')
Periaatteessa korkeampiulotteisen NumPy-taulukon luominen tarkoittaa korkeampiulotteisen listan antamista array()-funktion argumentiksi.
Huomautus
Kaikkia NumPy-taulukko-olioita kutsutaan nimellä
ndarray.
Tässä on visualisointi 2D-taulukostamme:
Voimme ajatella sitä 2x3 matriisina.
3D-taulukko
3D-taulukoiden luominen on lähes identtistä 2D-taulukoiden luomisen kanssa. Ainoa ero on, että nyt meidän täytyy antaa 3D-lista argumenttina:
12345678import numpy as np # Creating a 3D array array_3d = np.array([ [[1, 2, 3], [4, 5, 6], [7, 8, 9]], [[10, 11, 12], [13, 14, 15], [16, 17, 18]], [[19, 20, 21], [22, 23, 24], [25, 26, 27]] ]) print(f'3-dimensional array: \n{array_3d}')
Kuitenkin, 3D-taulukon visualisointi on hieman monimutkaisempaa, mutta se on silti mahdollista:
Taulukko on 3x3x3, minkä vuoksi meillä on kuutio, jonka jokainen sivu on yhtä suuri kuin 3.
Käytännössä lähestymistapa 3D- ja korkeampidimensionaalisten taulukoiden käsittelyyn ei eroa 2D-taulukoiden käsittelystä.
Swipe to start coding
Luo 2D-taulukko käyttäen listoja. Tällä taulukolla voi olla mikä tahansa määrä rivejä ja sarakkeita, joissa on mielivaltaisia arvoja.
Ratkaisu
Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoistaKiitos palautteestasi!
Awesome!
Completion rate improved to 3.7single
