Pyyhkäise näyttääksesi valikon

Taulukoiden Kopioiminen

Usein sinun täytyy luoda taulukosta kopio tehdäksesi muutoksia vaikuttamatta alkuperäiseen taulukkoon.

Yksinkertainen Määritys

Ensin keskustelemme siitä, miksi emme voi yksinkertaisesti luoda toista muuttujaa käyttämällä array_2 = array_1, missä array_1 on alkuperäinen taulukkomme.


              123456
            
import numpy as np
array_1 = np.array([1, 2, 3])
array_2 = array_1
# Setting the first element of array_2 to 10
array_2[0] = 10
print(array_1)

Muutimme array_2:n ensimmäisen alkion arvoksi 10, mutta tämä muutos muutti myös array_1:n ensimmäisen alkion arvoksi 10.

Huomautus

Kun käytät array_2 = array_1, et luo uutta taulukkoa; sen sijaan luot viittauksen samaan taulukkoon muistissa. Tämän seurauksena kaikki muutokset, jotka tehdään array_2:lle, vaikuttavat myös array_1:een.

Tämän ongelman ratkaisemiseksi voisimme kirjoittaa array_2 = np.array([1, 2, 3]), mutta se tarkoittaisi saman koodin kirjoittamista kahdesti. Muista koodauksen keskeinen periaate: Älä toista itseäsi.

ndarray.copy() -menetelmä

Onneksi NumPy:lla on ndarray.copy() -menetelmä ratkaisuna tähän ongelmaan.


              12345678
            
import numpy as np
array_1 = np.array([1, 2, 3])
# Copying the contents of array_1
array_2 = array_1.copy()
# Setting the first element of array_2 to 10
array_2[0] = 10
print(f'Initial array: {array_1}')
print(f'Modified copy: {array_2}')

Nyt olemme luoneet uuden taulukon array_2 samoilla elementeillä kuin array_1.

Kaksidimensionaalisten (2D) taulukoiden kohdalla kopiointimenettely on täsmälleen sama.

numpy.copy() Funktio

Sen sijaan, että käyttäisimme .copy() metodia, voimme myös käyttää copy() funktiota, joka ottaa taulukon parametrinaan: array_2 = np.copy(array_1).

Sekä funktio että metodi toimivat samalla tavalla; kuitenkin, niissä on yksi vivahde. Molemmilla on order-parametri, joka määrittää taulukon muistin asettelun, mutta niiden oletusarvot ovat erilaiset.

Alla oleva kuva näyttää tehtävässä käytetyn sales_data_2021 taulukon rakenteen:

Tehtävä

Swipe to start coding

Analysoit yrityksen neljännesvuosittaista myyntidataa vuodelta 2021. Data on tallennettu NumPy-taulukkoon nimeltä sales_data_2021, jossa jokainen rivi edustaa tiettyä tuotetta, ja jokainen sarake edustaa tuotteen neljännesvuosittaista myyntiä.

Luo kopio sales_data_2021:stä käyttämällä sopivaa NumPy-taulukon menetelmää ja tallenna se sales_data_2022:een.
Päivitä sales_data_2022:n ensimmäisen rivin (joka edustaa tuotteen neljännesvuosittaista myyntiä) kaksi viimeistä elementtiä arvoihin 390 ja 370:
- Käytä positiivista indeksiä rivin määrittämiseen;
- Käytä viipaletta, jossa on vain negatiivinen start-arvo kahden viimeisen elementin indeksointiin.

Ratkaisu

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 3. Luku 3

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Taulukoiden Kopioiminen

Usein sinun täytyy luoda taulukosta kopio tehdäksesi muutoksia vaikuttamatta alkuperäiseen taulukkoon.

Yksinkertainen Määritys

Ensin keskustelemme siitä, miksi emme voi yksinkertaisesti luoda toista muuttujaa käyttämällä array_2 = array_1, missä array_1 on alkuperäinen taulukkomme.


              123456
            
import numpy as np
array_1 = np.array([1, 2, 3])
array_2 = array_1
# Setting the first element of array_2 to 10
array_2[0] = 10
print(array_1)

Muutimme array_2:n ensimmäisen alkion arvoksi 10, mutta tämä muutos muutti myös array_1:n ensimmäisen alkion arvoksi 10.

Huomautus

Kun käytät array_2 = array_1, et luo uutta taulukkoa; sen sijaan luot viittauksen samaan taulukkoon muistissa. Tämän seurauksena kaikki muutokset, jotka tehdään array_2:lle, vaikuttavat myös array_1:een.

ndarray.copy() -menetelmä

Onneksi NumPy:lla on ndarray.copy() -menetelmä ratkaisuna tähän ongelmaan.


              12345678
            
import numpy as np
array_1 = np.array([1, 2, 3])
# Copying the contents of array_1
array_2 = array_1.copy()
# Setting the first element of array_2 to 10
array_2[0] = 10
print(f'Initial array: {array_1}')
print(f'Modified copy: {array_2}')

Nyt olemme luoneet uuden taulukon array_2 samoilla elementeillä kuin array_1.

Kaksidimensionaalisten (2D) taulukoiden kohdalla kopiointimenettely on täsmälleen sama.

numpy.copy() Funktio

Sen sijaan, että käyttäisimme .copy() metodia, voimme myös käyttää copy() funktiota, joka ottaa taulukon parametrinaan: array_2 = np.copy(array_1).

Alla oleva kuva näyttää tehtävässä käytetyn sales_data_2021 taulukon rakenteen:

Tehtävä

Swipe to start coding

Luo kopio sales_data_2021:stä käyttämällä sopivaa NumPy-taulukon menetelmää ja tallenna se sales_data_2022:een.
Päivitä sales_data_2022:n ensimmäisen rivin (joka edustaa tuotteen neljännesvuosittaista myyntiä) kaksi viimeistä elementtiä arvoihin 390 ja 370:
- Käytä positiivista indeksiä rivin määrittämiseen;
- Käytä viipaletta, jossa on vain negatiivinen start-arvo kahden viimeisen elementin indeksointiin.

Ratkaisu

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 3. Luku 3

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista