Ylempidimensioisten Taulukoiden Luominen
2D-taulukot
Luodaan nyt korkeamman ulottuvuuden taulukko, eli 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}')
Käytännössä korkeamman ulottuvuuden NumPy-taulukon luominen tarkoittaa korkeamman ulottuvuuden listan välittämistä array()-funktion argumenttina.
Kaikki NumPy-taulukko-oliot tunnetaan nimellä ndarray.
Tässä on visualisointi 2D-taulukostamme:
Voimme ajatella sitä 2x3 matriisina.
3D-taulukko
3D-taulukoiden luominen on lähes identtistä 2D-taulukoiden kanssa. Ainoa ero on, että nyt argumenttina tulee antaa 3D-lista:
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}')
3D-taulukon hahmottaminen on kuitenkin hieman monimutkaisempaa, mutta se on silti mahdollista:
Taulukko on 3x3x3, minkä vuoksi meillä on kuutio, jonka jokainen sivu on 3.
Käytännössä 3D- ja korkeamman ulottuvuuden taulukoiden käsittely ei poikkea 2D-taulukoiden käsittelystä.
Swipe to start coding
Luo 2D-taulukko käyttämällä listoja. Taulukossa voi olla mikä tahansa määrä rivejä ja sarakkeita, ja arvot voivat olla mielivaltaisia.
Ratkaisu
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
What are some common operations you can perform on 2D and 3D arrays?
Can you explain how to access specific elements in a 2D or 3D array?
How do you reshape or modify the dimensions of a NumPy array?
Awesome!
Completion rate improved to 3.7
Ylempidimensioisten Taulukoiden Luominen
Pyyhkäise näyttääksesi valikon
2D-taulukot
Luodaan nyt korkeamman ulottuvuuden taulukko, eli 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}')
Käytännössä korkeamman ulottuvuuden NumPy-taulukon luominen tarkoittaa korkeamman ulottuvuuden listan välittämistä array()-funktion argumenttina.
Kaikki NumPy-taulukko-oliot tunnetaan nimellä ndarray.
Tässä on visualisointi 2D-taulukostamme:
Voimme ajatella sitä 2x3 matriisina.
3D-taulukko
3D-taulukoiden luominen on lähes identtistä 2D-taulukoiden kanssa. Ainoa ero on, että nyt argumenttina tulee antaa 3D-lista:
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}')
3D-taulukon hahmottaminen on kuitenkin hieman monimutkaisempaa, mutta se on silti mahdollista:
Taulukko on 3x3x3, minkä vuoksi meillä on kuutio, jonka jokainen sivu on 3.
Käytännössä 3D- ja korkeamman ulottuvuuden taulukoiden käsittely ei poikkea 2D-taulukoiden käsittelystä.
Swipe to start coding
Luo 2D-taulukko käyttämällä listoja. Taulukossa voi olla mikä tahansa määrä rivejä ja sarakkeita, ja arvot voivat olla mielivaltaisia.
Ratkaisu
Kiitos palautteestasi!
single