Các hàng và cột của các mảng numpy có thể được chọn hoặc sửa đổi bằng cách sử dụng ký hiệu lập chỉ mục khung vuông trong Python.
Để chọn một hàng trong một mảng 2D, hãy sử dụng
>>> P[:, 1] = [7, 8]
>>> P
array[[[1, 7, 3],
[4, 8, 6]]]
8. Ví dụ: >>> P[:, 1] = [7, 8]
>>> P
array[[[1, 7, 3],
[4, 8, 6]]]
9 sẽ trả lại hàng đầu tiên của Scroll down the ipython notebook to visualize the output.
0.Để chọn một cột, sử dụng
Scroll down the ipython notebook to visualize the output.
1. Scroll down the ipython notebook to visualize the output.
2 về cơ bản có nghĩa là "chọn tất cả các hàng". Ví dụ: Scroll down the ipython notebook to visualize the output.
3 sẽ chọn tất cả các hàng từ cột thứ hai của Scroll down the ipython notebook to visualize the output.
0.Nếu bạn muốn thay đổi các giá trị của một hàng hoặc cột của một mảng, bạn có thể gán nó cho một danh sách mới [hoặc mảng] của các giá trị có cùng độ dài.
Để thay đổi các giá trị trong hàng đầu tiên, hãy viết:
>>> P[0] = [7, 8, 9]
>>> P
array[[[7, 8, 9],
[4, 5, 6]]]
Để thay đổi các giá trị trong cột thứ hai, hãy viết:
>>> P[:, 1] = [7, 8]
>>> P
array[[[1, 7, 3],
[4, 8, 6]]]
Numpy: Cách sử dụng Reshape [] và ý nghĩa của -1
Như đã đề cập ở trên, các mảng hai chiều có thể được chuyển đổi.
Scroll down the ipython notebook to visualize the output.
9,
2 có thể được áp dụng cho các mảng đa chiều từ 3D trở lên.import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
Hãy đến gần hơn với giấc mơ trở thành một nhà khoa học dữ liệu với hơn 70 dự án ML từ đầu đến cuối đã được giải quyếtEnd-to-End ML Projects
Mục lục
- Mục tiêu công thức
- Bước 1 - Nhập thư viện
- Bước 2 - Xác định mảng ngẫu nhiên
- Bước 3 - Trao đổi và trực quan hóa đầu ra
- Bước 4 - Hãy xem bộ dữ liệu của chúng tôi ngay bây giờ
Bước 1 - Nhập thư viện
Scroll down the ipython notebook to visualize the output.
5
Bước 2 - Xác định mảng ngẫu nhiên
Bước 2 - Xác định mảng ngẫu nhiên
Scroll down the ipython notebook to visualize the output.
6
Bước 3 - Trao đổi và trực quan hóa đầu ra
Bước 3 - Trao đổi và trực quan hóa đầu ra
Scroll down the ipython notebook to visualize the output.
7
Bước 4 - Hãy xem bộ dữ liệu của chúng tôi ngay bây giờ
Bước 4 - Hãy xem bộ dữ liệu của chúng tôi ngay bây giờ
Hãy tạm dừng và nhìn vào những hàng nhập khẩu này. Numpy nói chung là hữu ích trong thao tác dữ liệu trong khi làm việc với các mảng. Nó cũng giúp thực hiện hoạt động toán học.
Scroll down the ipython notebook to visualize the output.
Trong bài viết này, chúng tôi chỉ ra cách thay đổi số lượng hàng và cột trong một mảng trong Python.
Giả sử chúng ta có một mảng gồm 40 phần tử và mảng này hiện được cấu trúc với 8 hàng và 5 cột.
Điều gì sẽ xảy ra nếu chúng ta muốn thay đổi bố cục của mảng này để nó có 10 hàng bao gồm 4 cột.
Python có chức năng tích hợp, định hình lại [], cho phép chúng ta định hình lại một mảng và thay đổi cấu trúc hàng và cột của mảng.
Vì vậy, trong mã bên dưới, chúng tôi sẽ chỉ ra cách thực hiện điều này trong Python.
Trong mã bên dưới, chúng tôi tạo một mảng một chiều ban đầu.
Sau đó chúng tôi định hình lại mảng một vài lần.
Vì vậy, trước tiên, chúng ta phải nhập Numpy dưới dạng NP, vì chúng ta đang sử dụng Numpy để tạo ra một mảng.
Tiếp theo, chúng tôi tạo một mảng đi từ 0 đến 39, vì vậy một mảng gồm 40 phần tử.
Sau đó chúng tôi kiểm tra để xem cấu trúc hoặc bố cục của mảng với câu lệnh, mảng1.Shape
Khi kết quả chỉ đơn giản là một số duy nhất theo sau là dấu phẩy, điều này có nghĩa là nó là một mảng một chiều. Không có hàng và cột. Đó là một chiều.
Chúng tôi muốn định hình lại mảng một chiều này thành một mảng hai chiều sẽ có các hàng và cột.
Chúng tôi định hình lại mảng một chiều này thành một mảng hai chiều sẽ có 8 hàng và 5 cột.
Sau đó, chúng tôi xuất nội dung của mảng được định hình lại này có 8 hàng và 5 cột.
Sau đó, chúng tôi định hình lại mảng một lần nữa, lần này thành 10 hàng mà mỗi hàng chứa 4 cột.
Một mảng hai chiều được sử dụng để chỉ ra rõ ràng rằng chỉ có các hàng hoặc cột.
Để chuyển rumpy mảng
Scroll down the ipython notebook to visualize the output.
8 [hàng và cột hoán đổi], hãy sử dụng thuộc tính Scroll down the ipython notebook to visualize the output.
9 [import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
0], phương thức Scroll down the ipython notebook to visualize the output.
8 import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
2 và hàm import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
3.Với
import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
4 và import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
3, bạn không chỉ có thể chuyển một mảng 2D [ma trận] mà còn sắp xếp lại các trục của một mảng đa chiều theo bất kỳ thứ tự nào.- numpy.ndarray.t - Hướng dẫn sử dụng v1.16 Numpy V1.16
- numpy.ndarray.transpose - Numpy v1.16 Hướng dẫn sử dụng
- Numpy.Transpose - Numpy v1.16 Hướng dẫn sử dụng
Bài viết này mô tả các nội dung sau đây.
- Chuyển đổi mảng hai chiều [ma trận]
Scroll down the ipython notebook to visualize the output.
9 thuộc tính
4import numpy as np a_2d = np.arange[6].reshape[2, 3] print[a_2d] # [[0 1 2] # [3 4 5]] a_2d_T = a_2d.T print[a_2d_T] # [[0 3] # [1 4] # [2 5]]
8import numpy as np a_2d = np.arange[6].reshape[2, 3] print[a_2d] # [[0 1 2] # [3 4 5]] a_2d_T = a_2d.T print[a_2d_T] # [[0 3] # [1 4] # [2 5]]
- Mảng 1D và vectơ hàng, vectơ cột
- Trao đổi trục của mảng đa chiều [3D trở lên]
- Kết quả mặc định
- Chỉ định thứ tự trục với
2import numpy as np a_2d = np.arange[6].reshape[2, 3] print[a_2d] # [[0 1 2] # [3 4 5]] a_2d_T = a_2d.T print[a_2d_T] # [[0 3] # [1 4] # [2 5]]
- Ví dụ: Chuyển đổi nhiều ma trận cùng một lúc
Nếu bạn muốn trao đổi các hàng và cột của
print[np.shares_memory[a_2d, a_2d_T]]
# True
a_2d_T[0, 1] = 100
print[a_2d_T]
# [[ 0 100]
# [ 1 4]
# [ 2 5]]
print[a_2d]
# [[ 0 1 2]
# [100 4 5]]
a_2d[1, 0] = 3
print[a_2d]
# [[0 1 2]
# [3 4 5]]
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
0 hoặc danh sách hai chiều [danh sách danh sách], hãy xem bài viết sau.- Pandas: Chuyển đổi DataFrame [Hàng và cột hoán đổi]
- Chuyển danh sách 2D trong Python [Hàng và cột hoán đổi]
Chuyển đổi mảng hai chiều [ma trận]
Scroll down the ipython notebook to visualize the output.
9 thuộc tính
Mảng 1D và vectơ hàng, vectơ cột
import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
Trao đổi trục của mảng đa chiều [3D trở lên]
Kết quả mặc định
- Chỉ định thứ tự trục với
2import numpy as np a_2d = np.arange[6].reshape[2, 3] print[a_2d] # [[0 1 2] # [3 4 5]] a_2d_T = a_2d.T print[a_2d_T] # [[0 3] # [1 4] # [2 5]]
print[np.shares_memory[a_2d, a_2d_T]]
# True
a_2d_T[0, 1] = 100
print[a_2d_T]
# [[ 0 100]
# [ 1 4]
# [ 2 5]]
print[a_2d]
# [[ 0 1 2]
# [100 4 5]]
a_2d[1, 0] = 3
print[a_2d]
# [[0 1 2]
# [3 4 5]]
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
Ví dụ: Chuyển đổi nhiều ma trận cùng một lúc
a_2d_T_copy = a_2d.T.copy[]
print[a_2d_T_copy]
# [[0 3]
# [1 4]
# [2 5]]
print[np.shares_memory[a_2d, a_2d_T_copy]]
# False
a_2d_T_copy[0, 1] = 100
print[a_2d_T_copy]
# [[ 0 100]
# [ 1 4]
# [ 2 5]]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
4
import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
Nếu bạn muốn trao đổi các hàng và cột của
print[np.shares_memory[a_2d, a_2d_T]]
# True
a_2d_T[0, 1] = 100
print[a_2d_T]
# [[ 0 100]
# [ 1 4]
# [ 2 5]]
print[a_2d]
# [[ 0 1 2]
# [100 4 5]]
a_2d[1, 0] = 3
print[a_2d]
# [[0 1 2]
# [3 4 5]]
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
0 hoặc danh sách hai chiều [danh sách danh sách], hãy xem bài viết sau.print[a_2d.transpose[]]
# [[0 3]
# [1 4]
# [2 5]]
print[np.shares_memory[a_2d, a_2d.transpose[]]]
# True
import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
8
import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
Pandas: Chuyển đổi DataFrame [Hàng và cột hoán đổi]
print[np.transpose[a_2d]]
# [[0 3]
# [1 4]
# [2 5]]
print[np.shares_memory[a_2d, np.transpose[a_2d]]]
# True
Mảng 1D và vectơ hàng, vectơ cột
Trao đổi trục của mảng đa chiều [3D trở lên]
a_1d = np.arange[3]
print[a_1d]
# [0 1 2]
print[a_1d.T]
# [0 1 2]
print[a_1d.transpose[]]
# [0 1 2]
print[np.transpose[a_1d]]
# [0 1 2]
Kết quả mặc định
Chỉ định thứ tự trục với
import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
2Ví dụ: Chuyển đổi nhiều ma trận cùng một lúc
- Nếu bạn muốn trao đổi các hàng và cột của
0 hoặc danh sách hai chiều [danh sách danh sách], hãy xem bài viết sau.print[np.shares_memory[a_2d, a_2d_T]] # True a_2d_T[0, 1] = 100 print[a_2d_T] # [[ 0 100] # [ 1 4] # [ 2 5]] print[a_2d] # [[ 0 1 2] # [100 4 5]] a_2d[1, 0] = 3 print[a_2d] # [[0 1 2] # [3 4 5]] print[a_2d_T] # [[0 3] # [1 4] # [2 5]]
a_row = a_1d.reshape[1, -1]
print[a_row]
# [[0 1 2]]
print[a_row.shape]
# [1, 3]
print[a_row.ndim]
# 2
>>> P[:, 1] = [7, 8]
>>> P
array[[[1, 7, 3],
[4, 8, 6]]]
0Pandas: Chuyển đổi DataFrame [Hàng và cột hoán đổi]
>>> P[:, 1] = [7, 8]
>>> P
array[[[1, 7, 3],
[4, 8, 6]]]
1Trao đổi trục của mảng đa chiều [3D trở lên]
Kết quả mặc định
Chỉ định thứ tự trục với
import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
2Ví dụ: Chuyển đổi nhiều ma trận cùng một lúc
>>> P[:, 1] = [7, 8]
>>> P
array[[[1, 7, 3],
[4, 8, 6]]]
2Nếu bạn muốn trao đổi các hàng và cột của
print[np.shares_memory[a_2d, a_2d_T]]
# True
a_2d_T[0, 1] = 100
print[a_2d_T]
# [[ 0 100]
# [ 1 4]
# [ 2 5]]
print[a_2d]
# [[ 0 1 2]
# [100 4 5]]
a_2d[1, 0] = 3
print[a_2d]
# [[0 1 2]
# [3 4 5]]
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
0 hoặc danh sách hai chiều [danh sách danh sách], hãy xem bài viết sau.Pandas: Chuyển đổi DataFrame [Hàng và cột hoán đổi]
Chỉ định thứ tự trục với import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
2
import numpy as np
a_2d = np.arange[6].reshape[2, 3]
print[a_2d]
# [[0 1 2]
# [3 4 5]]
a_2d_T = a_2d.T
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
Ví dụ: Chuyển đổi nhiều ma trận cùng một lúc
Nếu bạn muốn trao đổi các hàng và cột của
print[np.shares_memory[a_2d, a_2d_T]]
# True
a_2d_T[0, 1] = 100
print[a_2d_T]
# [[ 0 100]
# [ 1 4]
# [ 2 5]]
print[a_2d]
# [[ 0 1 2]
# [100 4 5]]
a_2d[1, 0] = 3
print[a_2d]
# [[0 1 2]
# [3 4 5]]
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
0 hoặc danh sách hai chiều [danh sách danh sách], hãy xem bài viết sau.Pandas: Chuyển đổi DataFrame [Hàng và cột hoán đổi]
>>> P[:, 1] = [7, 8]
>>> P
array[[[1, 7, 3],
[4, 8, 6]]]
3Chuyển danh sách 2D trong Python [Hàng và cột hoán đổi]
>>> P[:, 1] = [7, 8]
>>> P
array[[[1, 7, 3],
[4, 8, 6]]]
4Bạn có thể nhận được ma trận chuyển vị của mảng hai chiều [ma trận] ban đầu với thuộc tính
Scroll down the ipython notebook to visualize the output.
9.>>> P[:, 1] = [7, 8]
>>> P
array[[[1, 7, 3],
[4, 8, 6]]]
5Ví dụ: Chuyển đổi nhiều ma trận cùng một lúc
Nếu bạn muốn trao đổi các hàng và cột của
print[np.shares_memory[a_2d, a_2d_T]]
# True
a_2d_T[0, 1] = 100
print[a_2d_T]
# [[ 0 100]
# [ 1 4]
# [ 2 5]]
print[a_2d]
# [[ 0 1 2]
# [100 4 5]]
a_2d[1, 0] = 3
print[a_2d]
# [[0 1 2]
# [3 4 5]]
print[a_2d_T]
# [[0 3]
# [1 4]
# [2 5]]
0 hoặc danh sách hai chiều [danh sách danh sách], hãy xem bài viết sau.Pandas: Chuyển đổi DataFrame [Hàng và cột hoán đổi]
>>> P[:, 1] = [7, 8]
>>> P
array[[[1, 7, 3],
[4, 8, 6]]]
6Chuyển danh sách 2D trong Python [Hàng và cột hoán đổi]
>>> P[:, 1] = [7, 8]
>>> P
array[[[1, 7, 3],
[4, 8, 6]]]
7