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.
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 tehdäänarray_2:lle, vaikuttavat myösarray_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.
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:
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 sesales_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 vaihtoehdoistaKiitos palautteestasi!
