Pengindeksan, Penghirisan dan Pengindeksan Lanjutan
Penghirisan asas, penopengan boolean, pengindeksan lanjutan dan np.where() untuk pemilihan bersyarat.
Pengindeksan, Penghirisan dan Pengindeksan Lanjutan ialah pelajaran Pelajari AI dengan Python percuma di CoddyKit. Ini ialah pelajaran 2 daripada 4. Sebanyak 3 pelajaran dalam laluan pembelajaran ini boleh dibaca sepenuhnya secara percuma — selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan praktikal dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Pelajari AI dengan Python, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Pelajari AI dengan Python merangkumi sejumlah 4 pelajaran.
Asas Pengindeksan
Tatasusunan NumPy menggunakan pengindeksan berasaskan sifar seperti senarai Python. Indeks negatif dikira dari hujung.
import numpy as np
a = np.array([10, 20, 30, 40, 50])
print(a[0]) # 10
print(a[-1]) # 50Penghirisan 1D
Hirisan menggunakan start:stop:step dan mengembalikan paparan (bukan salinan), jadi mengubah suai hirisan akan mengubah yang asal.
print(a[1:4]) # [20 30 40]
print(a[::2]) # [10 30 50]
view = a[1:3]
view[0] = 99
print(a) # [10 99 30 40 50]Pengindeksan 2D [baris, lajur]
Bagi tatasusunan 2D, lakukan pengindeksan menggunakan satu kurungan siku yang mengandungi kedua-dua koordinat: m[row, col]. Cara ini lebih kemas dan pantas berbanding m[row][col].
m = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(m[1, 2]) # 6
print(m[0, 0]) # 1Menghiris Baris dan Lajur
Gunakan titik bertindih untuk mengambil seluruh paksi. m[:, 1] memilih lajur 1 merentasi semua baris.
print(m[0, :]) # first row: [1 2 3]
print(m[:, 1]) # second col: [2 5 8]
print(m[1:, :2]) # bottom-left blockTopeng Boolean
Perbandingan menghasilkan tatasusunan boolean dengan bentuk yang sama. Pengindeksan menggunakan topeng itu hanya mengekalkan kedudukan yang benar.
a = np.array([5, 12, 7, 20, 3])
mask = a > 8
print(mask) # [False True False True False]
print(a[mask]) # [12 20]Menggabungkan Syarat
Gunakan & (dan) dan | (atau) secara unsur demi unsur dengan tanda kurung. Kata kunci Python and/or TIDAK berfungsi pada tatasusunan.
print(a[(a > 4) & (a < 15)]) # [ 5 12 7]Menetapkan Nilai Melalui Topeng
Anda boleh menulis pada kedudukan yang ditopeng untuk membersihkan data terus pada tempatnya, contohnya mengehadkan pencilan kepada had atas.
a = np.array([5, 12, 7, 20, 3])
a[a > 10] = 10
print(a) # [ 5 10 7 10 3]Pengindeksan Lanjutan dengan Tatasusunan
Hantar tatasusunan (atau senarai) indeks nombor bulat untuk memilih elemen sewenang-wenangnya dalam apa-apa susunan, termasuk kemungkinan pengulangan. Ini mengembalikan salinan, bukan paparan.
a = np.array([10, 20, 30, 40, 50])
idx = [4, 0, 2, 2]
print(a[idx]) # [50 10 30 30]Pengindeksan Lanjutan dalam 2D
Berikan dua tatasusunan indeks untuk memilih pasangan (baris, lajur) tertentu. Di sini kita mengambil sudut pada pepenjuru.
m = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
rows = [0, 2]
cols = [0, 2]
print(m[rows, cols]) # [1 9]Pemilihan Bersyarat dengan np.where
np.where(cond, x, y) mengembalikan elemen daripada x apabila syaratnya benar dan daripada y selainnya, iaitu pilihan jika-jika tidak bervektor.
a = np.array([-2, 5, -7, 3])
print(np.where(a < 0, 0, a)) # [0 5 0 3] (clip negatives)np.where untuk Mencari Indeks
Apabila dipanggil dengan satu argumen, np.where(cond) mengembalikan indeks pada kedudukan yang memenuhi syarat.
a = np.array([10, 20, 30, 40])
print(np.where(a > 15)) # (array([1, 2, 3]),)Semakan Pantas
Uji kemahiran pengindeksan anda.
Ulang Kaji
Teknik pemilihan:
- Indeks dan hirisan asas (hirisan ialah paparan)
- Akses 2D
m[row, col], paksi penuh dengan: - Topeng Boolean dengan
&dan| - Pengindeksan lanjutan dengan tatasusunan indeks (mengembalikan salinan)
np.where(cond, x, y)untuk pilihan jika-jika tidak bervektor
Pelajari Python dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 53
- Pelajaran
- 225
Soalan Lazim
Adakah pelajaran “Pengindeksan, Penghirisan dan Pengindeksan Lanjutan” percuma?
Ya — sebanyak 3 pelajaran dalam laluan pembelajaran Pelajari AI dengan Python, termasuk “Pengindeksan, Penghirisan dan Pengindeksan Lanjutan”, boleh dibaca sepenuhnya secara percuma di web ini. Selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan interaktif dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Kursus Pelajari AI dengan Python merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “Pengindeksan, Penghirisan dan Pengindeksan Lanjutan”?
Penghirisan asas, penopengan boolean, pengindeksan lanjutan dan np.where() untuk pemilihan bersyarat. Anda berlatih Pelajari AI dengan Python menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan Pelajari AI dengan Python?
Tiada pengalaman terdahulu diperlukan. Pembelajaran Pelajari AI dengan Python di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 2 daripada 4.
Berapa lamakah pelajaran “Pengindeksan, Penghirisan dan Pengindeksan Lanjutan” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran Pelajari AI dengan Python ini?
Ya. Setiap pelajaran Pelajari AI dengan Python menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Penciptaan dan Sifat Tatasusunan
- Pengindeksan, Penghirisan dan Pengindeksan Lanjutan
- Penyiaran dan Operasi Bervektor
- Algebra Linear dengan NumPy