Kokonaislukutaulukon Indeksointi
Pyyhkäise näyttääksesi valikon
Perusindeksoinnin lisäksi, jossa käytetään yksittäistä kokonaislukua indeksinä, NumPy mahdollistaa myös kokonaisen yksiulotteisen kokonaislukutaulukon (myös kokonaislukulista on mahdollinen) käytön indeksointiin.
Kokonaislukutaulukon indeksointi yksiulotteisissa taulukoissa
Jokainen indeksointiin käytetyn kokonaislukutaulukon alkio käsitellään indeksinä, joten esimerkiksi array[[0, 1, 3]] hakee alkiot indekseistä 0, 1 ja 3 yksiulotteisena taulukkona, olettaen että array on yksiulotteinen taulukko. Myös NumPy-taulukoita voi käyttää indeksointiin, mutta se tekee koodista monimutkaisempaa.
12345678import numpy as np array = np.array([23, 41, 7, 80, 3]) # Retrieving elements at indices 0, 1 and 3 print(array[[0, 1, 3]]) # Retrieving elements at indices 1, -1 and 2 in this order print(array[[1, -1, 2]]) # IndexError is thrown since index 5 is out of bounds print(array[[2, 5]])
Kokonaislukutaulukoiden indeksointi 1D-taulukoissa
Kaksidimensioisissa ja korkeamman ulottuvuuden taulukoissa kokonaislukutaulukoiden indeksointi toimii samalla tavalla kuin 1D-taulukoissa jokaisella akselilla. Jos käytetään vain yhtä kokonaislukutaulukkoa indeksointiin, indeksointi tapahtuu vain yhdellä akselilla (akseli 0). Jos käytetään kahta taulukkoa pilkulla erotettuna, indeksointi tapahtuu molemmilla akseleilla (akseli 0 ja akseli 1).
Indeksointi vain akselilla 0 kokonaislukutaulukolla palauttaa 2D-taulukon. Kun haetaan alkioita tällaisella indeksoinnilla, ne ryhmitellään uuteen taulukkoon. Tämä uusi taulukko koostuu 1D-taulukoista, ja ryhmittely kasvattaa ulottuvuuden yhdellä, jolloin tuloksena on 2D-taulukko.
Indeksointi sekä akselilla 0 että akselilla 1 kahdella kokonaislukutaulukolla palauttaa 1D-taulukon.
Kaikkien akseleilla käytettyjen kokonaislukutaulukoiden tulee olla samanmuotoisia.
123456789101112131415import numpy as np array_2d = np.array([ [1, 2, 3], [4, 5, 6], [7, 8, 9] ]) # Retrieving first and the third row print(array_2d[[0, 2]]) # Retrieving the main diagonal elements print(array_2d[[0, 1, 2], [0, 1, 2]]) # Retrieving the first and third element of the second row print(array_2d[1, [0, 2]]) # IndexError is thrown, since index 3 along axis 0 is out of bounds print(array_2d[[0, 3], [0, 1]])
Kuten huomaat, voimme myös yhdistää perusindeksoinnin ja kokonaislukutaulukkoindeksoinnin.
Jälleen kerran, jos vähintään yksi indekseistä on sallitun alueen ulkopuolella, heitetään IndexError.
Tällaista indeksointia käytetään, kun halutaan valita tiettyjä alkioita, jotka eivät ole vierekkäin tai eivät noudata säännöllistä järjestystä. Toisin kuin viipalointi, joka toimii yhtenäisillä alueilla, tämä menetelmä mahdollistaa tarkkojen alkioiden valitsemisen. Hyödyllinen esimerkiksi hajanaisten tietojen poimintaan tai arvojen järjestyksen muuttamiseen taulukossa.
1. Analysoit viiden tuotteen kuukausittaista myyntidataa (tuhansina). Mikä on koodin tuloste?
2. temperatures-taulukko esittää kolmen kaupungin viikon lämpötilat (°C) maanantaina, tiistaina ja keskiviikkona. Valitse oikea vaihtoehto, jolla saat Berliinin lämpötilat maanantaina ja tiistaina sekä Madridin lämpötilan tiistaina.
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
