Fatiamento em Arrays 2D
O fatiamento em arrays 2D e arrays de dimensões superiores funciona de maneira semelhante ao fatiamento em arrays 1D. No entanto, em arrays 2D, existem dois eixos.
Se desejarmos realizar o fatiamento apenas no eixo 0 para obter arrays 1D, a sintaxe permanece a mesma: array[start:end:step]. Se quisermos realizar o fatiamento nos elementos desses arrays 1D (eixo 1), a sintaxe é a seguinte: array[start:end:step, start:end:step]. Essencialmente, o número de fatias corresponde ao número de dimensões de um array.
Além disso, podemos utilizar o fatiamento para um eixo e indexação básica para o outro eixo. Veja um exemplo de fatiamento em 2D (quadrados roxos representam os elementos recuperados pelo fatiamento, e a seta preta indica que os elementos são obtidos em ordem reversa):
1234567891011import numpy as np array_2d = np.array([ [1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12] ]) print(array_2d[1:]) print(array_2d[:, 0]) print(array_2d[1:, 1:-1]) print(array_2d[:-1, ::2]) print(array_2d[2, ::-1])
A imagem abaixo mostra a estrutura do array student_scores utilizado na tarefa:
Swipe to start coding
Você está trabalhando com um array 2D do NumPy que representa as pontuações de três estudantes em três disciplinas diferentes. As pontuações de cada estudante estão armazenadas em uma linha separada, com cada elemento representando a pontuação em uma disciplina específica.
- Crie um fatiamento de
student_scoresque inclua as duas últimas pontuações do primeiro estudante (primeira linha). - Utilize indexação básica (indexação positiva) e fatiamento, especificando apenas um
startpositivo.
Solução
Obrigado pelo seu feedback!
single
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
Awesome!
Completion rate improved to 3.7Fatiamento em Arrays 2D
Deslize para mostrar o menu
O fatiamento em arrays 2D e arrays de dimensões superiores funciona de maneira semelhante ao fatiamento em arrays 1D. No entanto, em arrays 2D, existem dois eixos.
Se desejarmos realizar o fatiamento apenas no eixo 0 para obter arrays 1D, a sintaxe permanece a mesma: array[start:end:step]. Se quisermos realizar o fatiamento nos elementos desses arrays 1D (eixo 1), a sintaxe é a seguinte: array[start:end:step, start:end:step]. Essencialmente, o número de fatias corresponde ao número de dimensões de um array.
Além disso, podemos utilizar o fatiamento para um eixo e indexação básica para o outro eixo. Veja um exemplo de fatiamento em 2D (quadrados roxos representam os elementos recuperados pelo fatiamento, e a seta preta indica que os elementos são obtidos em ordem reversa):
1234567891011import numpy as np array_2d = np.array([ [1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12] ]) print(array_2d[1:]) print(array_2d[:, 0]) print(array_2d[1:, 1:-1]) print(array_2d[:-1, ::2]) print(array_2d[2, ::-1])
A imagem abaixo mostra a estrutura do array student_scores utilizado na tarefa:
Swipe to start coding
Você está trabalhando com um array 2D do NumPy que representa as pontuações de três estudantes em três disciplinas diferentes. As pontuações de cada estudante estão armazenadas em uma linha separada, com cada elemento representando a pontuação em uma disciplina específica.
- Crie um fatiamento de
student_scoresque inclua as duas últimas pontuações do primeiro estudante (primeira linha). - Utilize indexação básica (indexação positiva) e fatiamento, especificando apenas um
startpositivo.
Solução
Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixoObrigado pelo seu feedback!
single
