Numpy matrise skiver

“Numpy matrise -skiver er metoden på Python -språket som brukes til å skive en matrise. Numpy er et bibliotek som presenteres av Python-pakkene, og det omhandler alle funksjonene relatert til numers, matriser (endimensjonale og flerdimensjonale) og matriser. Array -skiver brukes når vi må jobbe med en viss verdi som er til stede på en spesifikk indeks i en matrise, e.g., Hvis vi har en endimensjonal matrise, la oss anta “[3, 4, 5, 6, 7, 9, 11]”, og vi ønsker å utføre en viss operasjon på matriselementet som finnes på indeksenummer 2 eller hvis Vi ønsker å ta ut nummeret fra matrisen fra indeks nummer 2 til indeksen nummer 5 og utføre en eller annen operasjon på det, så vil vi gjøre dette ved å skive matrisen med funksjonsoppstilling.”

Fremgangsmåte

Implementeringsmetoden vil bli diskutert og vist ved hjelp av forskjellige eksempler i denne artikkelen. Ved å følge denne artikkelen fullstendig, vil leserne bli kjent. Forutsetningen til å implementere denne metoden, som beskrevet i artikkelen, ville være å sørge for at systemene våre har en løpende Python-kompilator med Numpy-pakkene installert.

Syntaks

Den grunnleggende metoden for implementering av array -skiver er som følger:

$ [start: stopp: trinn]

For implementering av matrisen, må vi takle de tre S-metoden, som representerer den første "S", den første indeksen der vi vil at skiveren skal starte, deretter kommer den andre "S", som representerer stopp som forteller den fortellingen Hvor mye lengde vi ønsker at matrisen skal skiver og det siste "S" -trinnet, som spesifiserer økningen i indeksen for matrisen for skiver. Som standard er starten satt til den første indeksen “0”, stoppet er festet til lengden på matrisen, og trinnet har verdien “+1”.

Med fullstendig kunnskap om den ovennevnte syntaks for numpy array-skiver, kan vi endre syntaks og kan skive en matrise i henhold til vårt krav med de forskjellige tilnærmingene som vil bli vist i eksemplene.

Eksempel 01

I dette aller første eksemplet på artikkelen skal vi implementere den grunnleggende serie-skivermetoden på en endimensjonal matrise. Vi har allerede opprettet et prosjekt i Python -kompilatoren og har importert Numpy -biblioteket slik at vi kan bruke matrisenklæringen og dens relaterte funksjon i prosjektet. For å begynne med eksemplet, la oss erklære og initialisere en endimensjonal matrise med medlemmet eller elementene som “[3, 6, 8, 7, 9, 2, 4, 5]” ved bruk av Numpy erklæringsmetoden som “NP. Array () ”.

Nå vil vi prøve å skive matrisen fra indeksen 2 til 4; Så for denne skiven vil vi ganske enkelt kalle matrisenavnet vi hadde erklært, og deretter bruke den firkantede braketten og ":" -notasjonen, vil vi spesifisere startindeksen som "2" og stoppindeksen som "4" og trinn for økningen som "1" e.g. [Start: Stopp: Trinn] Som innebærer i vårt tilfelle som [2: 4: 1], og så vil vi ganske enkelt vise resultatene fra denne skiveren ved å kalle utskrift () -funksjonen. Eksemplet er vist i Python -kode i følgende figur:

Importer numpy som NP
Array = NP.Array ([3, 6, 8, 7, 9, 2, 4, 5])
Print (Array [2: 4: 1])

Utgangen etter å ha kjørt ovennevnte kode i kompilatoren ser ut til å være 8 og 7. Dette fordi vi har skåret opp matrisen fra indeks 2 til 4, og ved indeks 2 hadde vi 8; Ved indeks 4 hadde vi 7 i matrisen. Så her har koden gitt riktig utgang.

Eksempel 02

Det andre eksemplet vil vise oss hvordan vi kan bruke skivemetoden for å skive hele arrayen etter en spesifikk indeks. Vi må opprette et nytt prosjekt med et navn (som vi ønsker). I dette nyopprettede prosjektet vil vi installere og importere Numpy-biblioteket slik at vi kan være i stand til å bruke funksjonene relatert til matriser og ND-arrays.

Etter å ha importert Numpy som NP, vil vi bruke denne "NP" til å erklære en rekke som har en dimensjon i dette eksemplet som "[2, 4, 6, 7, 8, 9, 3]". Vi vil bruke skiveren i denne matrisen fra indeks 3 til slutten av matrisen, og vi vil gjøre dette med metoden “Array ([Start Index:])”. Denne syntaksen krever bare startindeksen, og for resten av matrisen bruker vi notasjonen ":". La oss implementere denne metoden for vårt eksempel ved å endre funksjonen som en "matrise ([3:])". Dette eksemplet kan skrives i Python -skriptet som følger.

Importer numpy som NP
Array = NP.Array ([2, 4, 6, 7, 8, 9, 3])
Print (Array [3:])

Etter å ha utført koden med hell, har utdataene returnert tallene 7, 8, 9 og 3 fordi indeks 3 i vår deklarerte matrise starter fra 7, og den slutter på 3, hvor matrisen slutter.

Eksempel 03

Det tredje eksemplet vil være litt annerledes enn de ovennevnte eksemplene i artikkelen. Her vil vi håndtere de flerdimensjonale matriser og utføre skiveremetoden på dem. Vi vil lage et nytt prosjekt i Python -kompilatoren, og så vil vi importere Numpy som NP. Etter dette vil vi erklære en 2-D-matrise som “([[1, 3, 5, 4, 6], [7, 3, 3, 9, 11]])”. Anta nå at vi ønsker å skive denne matrisen på en måte som det første elementet i matrisen som er “[1, 3, 5, 4, 6]” forblir uberørt og det andre elementet som er “[7, 3, 3, 9 , 11] ”den blir skiver fra indeks 0 til 3, så vil vi endre den ovennevnte metoden for skiver som“ Print (Array [1, 0: 3]) ”.

Importer numpy som NP
Array = NP.Array ([[1, 3, 5, 4, 6], [7, 3, 3, 9, 11]])
Print (Array [1, 0: 4])

Utgangen til koden vises som 7, 3, 3 og 9, som er riktig.

Konklusjon

Ved hjelp av denne artikkelen vil vi få en introduksjon til numpy matrise skiver. Denne artikkelen representerer tre eksempler totalt, som viser fullstendig demonstrasjon av array-skiver for ND-arrays ved bruk av forskjellige tilnærminger. Den grunnleggende syntaksen for matrisen er den samme, men vi kan endre den litt for å bruke den til kravene våre.