Oppiskele Taulukoiden Litistäminen | Yleisesti Käytetyt NumPy-Funktiot

Taulukon litistäminen tarkoittaa moniulotteisen taulukon muuntamista yksiulotteiseksi taulukoksi, eli sen sisällön purkamista suoraksi jonoksi.

Tämä operaatio on hyödyllinen, kun halutaan käsitellä taulukon alkioita yksi kerrallaan tai kun data halutaan muokata paremmin tiettyihin algoritmeihin sopivaksi.

NumPyssa taulukon litistämiseen on kolme vaihtoehtoa:

Käyttämällä ndarray.reshape(-1)-metodia tai numpy.reshape(array, -1)-funktiota;
Käyttämällä ndarray.ravel()-metodia tai numpy.ravel(array)-funktiota;
Käyttämällä ndarray.flatten()-metodia.

reshape(-1)

.reshape(-1)-metodi tai reshape(array, -1)-funktio palauttaa yhtenäisen litistetyn taulukon, jossa on sama määrä alkioita kuin alkuperäisessä taulukossa.

Kuten aiemmassa luvussa mainittiin, -1 laskee automaattisesti ulottuvuuden koon alkuperäisen taulukon koon perusteella. Koska annetaan vain yksi kokonaisluku shape-parametriksi, palautetaan yksiulotteinen taulukko, jossa on sama määrä alkioita.


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.reshape(-1)
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Modified initial array:\n{array_2d}')

.reshape()-metodi tai vastaava funktio palauttaa näkymän alkuperäisestä taulukosta, joten kaikki muutokset uudelleenmuotoiltuun taulukkoon vaikuttavat myös alkuperäiseen taulukkoon.

flattened_array = np.reshape(array_2d, -1) voidaan käyttää metodikutsun sijaan.

ravel()

ndarray.ravel()-metodi tai numpy.ravel(array)-funktio toimii samalla tavalla kuin reshape(-1) ja palauttaa myös näkymän alkuperäisestä taulukosta:


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.ravel()
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Modified initial array:\n{array_2d}')

flattened_array = np.ravel(array_2d) voidaan käyttää metodin kutsumisen sijaan.

ndarray.flatten()

Jos haluat kopion alkuperäisestä taulukosta, et näkymää, voit käyttää .flatten()-metodia:


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.flatten()
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Initial array:\n{array_2d}')

Huomio

Voit aina kopioida taulukon näkymän luodaksesi erillisen olion ja muokata tätä kopiota vaikuttamatta alkuperäiseen taulukkoon.

Tehtävä

Swipe to start coding

Käytä .flatten()-metodia oikein litistääksesi exam_scores ja tallenna tulos muuttujaan exam_scores_flattened.
Käytä .reshape()-metodia oikein litistääksesi exam_scores ja tallenna tulos muuttujaan exam_scores_reshaped.
Käytä .ravel()-metodia litistääksesi exam_scores ja tallenna tulos muuttujaan exam_scores_raveled.
Valitse kolmesta luodusta litistetystä taulukosta se, joka on kopio alkuperäisestä taulukosta (ei näkymä), ja aseta sen ensimmäiseksi alkioksi arvo 100 (käytä positiivista indeksointia).

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 3. Luku 5

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Awesome!

Completion rate improved to 3.7

Pyyhkäise näyttääksesi valikon