Lihtsamalt öeldes saame kahemõõtmelise massiivi määratleda massiivina teises massiivi sees. Selle indeks algab numbriga '0' ja lõpeb massiivi suurusega '-1'. Massiive saab massiivi sees konstrueerida n korda. Kahemõõtmeline massiiv võib muuta suurust nii vertikaalselt kui ka horisontaalselt, mõlemas suunas.
Süntaks
Massiivi deklareerimise süntaks on järgmine:
massiivi_nimi = [ r_arr ] [ c_arr ]
massiivi_nimi on massiivi nimi, mille tahame luua. Arvestades, et 'r_arr' on massiivi read ja 'c_arr' on massiivi veerg. See süntaks võimaldab meil luua mälukoha, kuhu massiiv salvestatakse, või võib öelda, et mälukoha saab massiivi jaoks reserveerida.
2D-massiivi deklareerimiseks on veel üks meetod:
massiivi_nimi = [ [ R1C1 , R1C2 , R1C3 , ... ] , [ R2C2 , R2C2 , R2C3 , ... ] , . . .. ]
Ülaltoodud süntaksis on massiivi nimi massiivi nimi, kus “R1C1”, “R2C1”, … n on massiivi elemendid, kus “R” tähistab ridu ja “c” veerge. Nagu näeme esimestest nurksulgudest, muutub ridade arv, samal ajal kui veerud on samad. Selle põhjuseks on asjaolu, et massiivi sees määratleme veerud mitme massiivi abil, samas kui read on määratletud sisemiste massiivide sees.
Näide # 01: Kahemõõtmelise massiivi loomine
Toome praktilise näite kahemõõtmelise massiivi loomisest ja saame parema ettekujutuse kahemõõtmelise massiivi loomisest. 2D-massiivi loomiseks impordime esmalt oma NumPy teegi, mis võimaldab meil rakendada mõningaid pakette, mida NumPy meile massiivi loomiseks pakub. Järgmisena lähtestame massiivi loomiseks muutuja, mis hoiab kahemõõtmelist massiivi. Edastame funktsiooni np.array(), mis võimaldab meil kahel luua mis tahes tüüpi massiivi, olgu see siis 1D, 2D või nii edasi. Sellele funktsioonile edastame selle massiivi sees mitu massiivi, mis võimaldab meil luua kahemõõtmelise massiivi.
Nagu näeme alloleval ekraanipildil, edastasime teisel real sellele funktsioonile kolm massiivi, mis tähendab, et meil on kolm rida ja nendes massiivides edastasime igaühele 6 elementi, mis tähendab, et seal on 6 veergu. Üks asi, mida tuleb tähele panna, on see, et me edastame elemente alati nurksulgudes, mis tähendab, et edastame massiivi elemente ja näeme, et oleme ühes massiivis edastanud mitu massiivi.
importida tuim nagu nt.
massiivi = nt. massiivi ( [ [ 1 , kaks , 3 , 4 , 5 , 6 ] , [ 4 , 5 , 6 , 7 , 8 , 9 ] , [ 7 , 8 , 9 , 10 , üksteist , 12 ] ] )
printida ( massiivi )
Lõpuks printisime massiivi printlause abil. Nagu on näidatud alloleval ekraanipildil, näeme, et kuvatakse massiiv, mis sisaldab 3 rida ja 6 veergu.
Näide # 02: Juurdepääs väärtustele
Kui uurisime 2D-massiivide loomise meetodit, pidi üks asi meie meelest klõpsama: kuidas pääseme ligi 2D-massiivi elementidele? Kuigi 2D-massiivi elemendile juurdepääs ei ole suur probleem. Numpy võimaldab meil manipuleerida massiivi elementidega lihtsa koodirea abil, mis on:
Massiiv [ rea indeks ] [ veeru indeks ]Massiiv on massiivi nimi, millest peame andmetele juurde pääsema või neid tooma, kus rea indeks on rea mälukoht. Ja veeru indeks on juurdepääsetava veeru asukoht, oletame, et peame pääsema juurde rea elemendile indeks '2' ja veeru indeksile '0'.
Nagu näeme alloleval joonisel, importisime esmalt NumPy teegi, et pääseda juurde NumPy pakettidele. Seejärel deklareerisime muutuja nime 'massiivi', mis sisaldab 2D massiivi, ja seejärel edastasime sellele väärtused, mida tahame sellesse salvestada. Esmalt kuvasime massiivi sellisena, nagu see on, mille me initsialiseerisime. Seejärel edastasime massiivi koos indeksiga meie print() lausele, mis kuvab kogu massiivi, mis on salvestatud indeksisse '2'. Järgmisel koodireal andsime uuesti kahe indeksiga massiivi print() lausele. Esimene on massiivi rida ja teine on massiivi veerg, mis on '0' ja '2'.
importida tuim nagu nt.massiivi = nt. massiivi ( [ [ 1 , kaks , 3 , 4 , 5 , 6 ] , [ 4 , 5 , 6 , 7 , 8 , 9 ] , [ 7 , 8 , 9 , 10 , üksteist , 12 ] ] )
printida ( 'Massiivikuva:' , massiivi )
printida ( 'Kuva teine rida:' , massiivi [ kaks ] )
printida ( 'Kuva esimese rea ja kahe veeru element:' , massiivi [ 0 ] [ kaks ] )
Järgmine väljund tagastatakse, kui koodikompilaator prindib massiivi sellisena, nagu see on. Seejärel teine rida vastavalt koodile. Lõpuks tagastab kompilaator elemendi, mis on salvestatud ridade indeksisse '0' ja veeru jaoks indeksisse '2'.
Näide #03: Väärtuste värskendamine
Oleme juba arutanud metoodikat, kuidas saame 2D-massiivis olevaid andmeid või elemente luua või neile juurde pääseda, kuid kui peame massiivi elemente muutma, saame lihtsalt kasutada NumPy pakettide pakutavat meetodit, mis võimaldab meil. massiivi soovitud väärtuse värskendamiseks.
Väärtuse värskendamiseks kasutame:
massiivi [ rida_indeks ] [ veeru_indeks ] = [ väärtused ]Ülaltoodud süntaksis on massiiv massiivi nimi. Rea register on koht või asukoht, mida me muudame. Veeru indeks on veeru asukoht, kus väärtust värskendatakse, kus väärtus on see, mis tuleks soovitud indeksile lisada.
Nagu näeme, impordime esmalt oma NumPy teegi. Ja seejärel deklareeris massiivi suurusega 3 × 6 ja edastas selle täisarvu väärtused. Seejärel edastasime massiivile väärtuse '21', mis tähendab, et tahame salvestada massiivi väärtuse '21' rea '0' ja veeru '2' juures, mis tähendab, et tahame salvestada selle indeksisse. esimesest reast ja 3 rd massiivi veerus. Seejärel printige mõlemad massiivid, algne ja ka element, mille oleme massiivi salvestanud.
importida tuim nagu nt.massiivi = nt. massiivi ( [ [ 1 , kaks , 3 , 4 , 5 , 6 ] , [ 4 , 5 , 6 , 7 , 8 , 9 ] , [ 7 , 8 , 9 , 10 , üksteist , 12 ] ] )
massiivi [ 0 ] [ kaks ] = kakskümmend üks
printida ( 'Massiivikuva:' , massiivi )
printida ( 'Kuva esimese rea ja kahe veeru element:' , massiivi [ 0 ] [ kaks ] )
Nagu allpool näidatud, värskendatakse väärtust massiivi edukalt, lisades lihtsalt NumPy paketi pakutava koodirea.
Järeldus
Selles artiklis selgitasime erinevaid võimalusi kahemõõtmeliste massiivide loomiseks ja kuidas saame neid NumPy sisseehitatud funktsioonide abil manipuleerida. Arutasime, kuidas saaksime massiivi elementidele juurde pääseda ja neid värskendada. Numpy võimaldab meil luua ja manipuleerida mitmemõõtmelisi massiive ühe koodirea abil. Numpy massiivid on selgemad ja tõhusamad kui pythoni loendid.