Data Science Academy · Pelajaran

Pengindeksan dan Pemotongan Array

Ambil baris, kolom, dan rentang.

Pengindeksan dan Pemotongan Array adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.

Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.

Grab the Pieces You Need

Real analysis means pulling out parts of your data. NumPy's indexing lets you grab single values, rows, columns, or ranges with ease. ✂️

Single Elements by Position

Just like a list, you reach one element by its index. Counting starts at zero, so arr[0] is the very first value.

arr = np.array([10, 20, 30])
arr[0]  # 10

Count From the End

Negative indices count backward. arr[-1] hands you the last element without needing to know the array's length.

arr[-1]  # 30

Slices Grab a Range

A slice uses start:stop to pull a range. The start is included, the stop is not, just like Python lists.

np.arange(10)[2:5]  # 2 3 4

Steps Inside a Slice

Add a third number for a step. Using ::2 keeps every other element, an easy way to thin out data.

np.arange(10)[::2]  # 0 2 4 6 8

Two Dimensions, One Bracket

For a 2D array, give row and column in one bracket: arr[row, col]. This is cleaner than chaining two sets of brackets.

m = np.array([[1, 2], [3, 4]])
m[1, 0]  # 3

Grab a Whole Row

A lone colon means take everything along that axis. So m[0, :] returns the entire first row.

m[0, :]  # array([1, 2])

Grab a Whole Column

Flip it to pull a column. m[:, 0] sweeps every row and keeps just the first column's values.

m[:, 0]  # array([1, 3])

Slices Are Views, Not Copies

Careful: a slice is a view into the original. Change the slice and the source array changes too, which can surprise you.

s = arr[0:2]
s[0] = 99  # arr also changes

Make a Real Copy

When you need independence, call copy. It hands back a separate array so edits never touch the original.

safe = arr[0:2].copy()

Slice to Assign, Too

Indexing works on the left side as well. Assign to a slice and you update a whole range in one move.

arr[0:2] = 0  # first two become 0

Quick Check

Let's test selecting a column from a 2D array.

Recap

You can now carve up arrays: index single values, slice ranges with steps, target rows and columns, and copy when you need to stay safe. 🎉

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Pengindeksan dan Pemotongan Array” gratis?

Ya — teks lengkap “Pengindeksan dan Pemotongan Array” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Pengindeksan dan Pemotongan Array”?

Ambil baris, kolom, dan rentang. Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Data Science Academy?

Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.

Berapa lama pelajaran “Pengindeksan dan Pemotongan Array” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?

Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

← Kembali ke Data Science Academy