Numpy create 2D -matrise

En todimensjonal numpy matrise er definert fra en liste over Python-lister. Akkurat som en enkelt dimensjon numpy matrise, må alle elementer i en matrise være av en enkelt type. Hvis en numpy matrise er deklarert med lister med flere typer, vil typen tvang oppstå, og verdiene vil alle bli konvertert til en enkelt type. Type tvang er den som datatypene er konvertert fra den ene til den andre, det er implisitt eller automatisk. I todimensjonale matriser kan dimensjoner være mer enn to.

Med enkle ord kan vi definere den todimensjonale matrisen som en matrise i en annen matrise. Indeksen starter med “0” og slutter på størrelsen på array “-1”. Arrays kan konstrueres n ganger innen matriser. En todimensjonal matrise kan endre størrelse både vertikalt og horisontalt, i begge retninger.

Syntaks

Syntaksen for å erklære en matrise er som nedenfor:

array_name = [r_arr] [c_arr]

Array_name er navnet på matrisen vi ønsker å lage. Mens “r_arr” er radene med matrisen og “c_arr” er kolonnen i matrisen. Denne syntaksen lar oss opprette minneplassen der matrisen blir lagret, eller vi kan si at minneplassen kan være reservert for matrisen.

Det er en annen metode for å erklære en 2D -matrise:

Array_name = [[R1C1, R1C2, R1C3,…], [R2C2, R2C2, R2C3,…],…]

I syntaks ovenfor er array -navnet navnet på matrisen der “R1C1”, “R2C1”,… n er elementene i matrisen der “R” betegner rader og “C” betegner kolonner. Som vi kan se i de første firkantede seler, endrer antallet rader seg mens kolonnene er de samme. Dette er fordi vi i matrisen definerer kolonner ved hjelp av flere matriser mens radene er definert inne i de indre matriser.

Eksempel # 01: Opprette en todimensjonal matrise

La oss gi et praktisk eksempel på å lage en todimensjonal matrise og få en bedre ide om hvordan en todimensjonal matrise opprettes. For å lage en 2D -matrise, vil vi først importere vårt Numpy -bibliotek som gjør at vi kan implementere noen pakker som Numpy gir oss for å lage matrisen. Deretter vil vi initialisere en variabel som holder den todimensjonale matrisen for å lage en matrise. Vi vil passere NP.Array () -funksjon som lar oss to lage noen form for matrise enten det er 1D, 2D, eller så videre. Til den funksjonen vil vi passere flere matriser i denne matrisen som lar oss lage en 2-dimensjonal matrise.

Som vi kan se på skjermdumpen nedenfor, i den andre linjen, passerte vi tre matriser til den funksjonen, noe som betyr at vi har tre rader, og innenfor disse matrisene passerte vi 6 elementer til hver som betyr at det er 6 kolonner. En ting å legge merke til, er at vi alltid passerer elementer i firkantede parenteser, noe som betyr at vi passerer matriseelementer, og vi kan se at vi har passert flere matriser innenfor enkeltarrayen.

Importer numpy som NP
Array = NP.Array ([[1, 2, 3,4, 5, 6], [4, 5, 6, 7, 8, 9], [7, 8, 9, 10, 11, 12]])
Print (Array)

Til slutt skrev vi ut matrisen ved hjelp av en utskriftserklæring. Som vist på skjermbildet nedenfor, kan vi se at matrisen vises som inneholder 3 rader og 6 kolonner.

Eksempel # 02: Å få tilgang til verdiene

Mens vi studerte metoden for å lage 2D -matriser, må en ting ha klikket i tankene våre: Hvordan kan vi få tilgang til elementene i 2D -matrisen? Mens du får tilgang til elementet i 2D -matrisen er ikke et stort problem. Numpy gjør oss i stand til å manipulere elementene i matriser med en enkel kodelinje som er:

Array [Row Index] [Column Index]

Arrayen er navnet på matrisen vi må få tilgang til eller hente dataene der radindeksen er minneplassen til raden. Og kolonneindeksen er plasseringen av kolonnen som skal nås, antar at vi må få tilgang til indeksen "2" elementet i rad og indeks "0" -element i en kolonne.

Som vi kan se på figuren nedenfor, importerte vi først Numpy -biblioteket for å få tilgang til pakkene til Numpy. Deretter erklærte vi variabelnavnet “Array” som holder 2D -matrisen og deretter passerte det verdiene vi ønsker å lagre i den. Vi viste først matrisen som det er som vi har initialisert. Deretter passerte vi matrisen med indeksen til vår trykte () uttalelse som vil vise hele matrisen som er lagret i indeksen “2”. I den neste kodelinjen passerte vi igjen matrisen med to indekser til utskriftsuttalelsen () uttalelsen. Den første er raden i matrisen, og den andre er kolonnen i matrisen som er “0” og “2”.

Importer numpy som NP
Array = NP.Array ([[1, 2, 3,4, 5, 6], [4, 5, 6, 7, 8, 9], [7, 8, 9, 10, 11, 12]])
Print ("Array Display:", Array)
Print ("Vis den andre raden:", Array [2])
Print ("Vis den første raden og 2 kolonneelementet:", Array [0] [2])

Følgende utdata returneres mens du kjører kodekompilatoren, skriver ut matrisen som den er. Deretter den andre raden i henhold til koden. Til slutt returnerer kompilatoren elementet som er lagret ved indeksen “0” for rader og indeks “2” for kolonnen.

Eksempel #03: Oppdatering av verdiene

Vi har allerede diskutert metodikken for hvordan vi kan opprette eller få tilgang til dataene eller elementene i 2D -matrisen, men når vi må endre elementene i matrisen, kan vi ganske enkelt bruke metoden som er levert av Numpy -pakkene som tillater oss For å oppdatere ønsket verdi i en matrise.

For å oppdatere verdien, bruker vi:

Array [row_index] [column_index] = [verdier]

I syntaksen ovenfor er matrisen navnet på matrisen. Radindeksen er stedet eller stedet vi vil redigere. Kolonneindeksen er plasseringen av kolonnen som verdien oppdateres, der verdien er den som bør legges til ønsket indeks.

Som vi kan se, importerer vi først Numpy Library. Og erklærte en rekke størrelse 3 × 6 og passerte heltallverdiene. Deretter ga vi verdien “21” til matrisen, noe som betyr at vi ønsker å lagre verdien “21” i matrisen til “0” på en rad og “2” i en kolonne, noe som betyr at vi vil lagre den på indeksen av første rad og 3^Rd Kolonnen i matrisen. Skriv deretter ut begge matriser, den originale og også elementet vi har lagret i matrisen.

Importer numpy som NP
Array = NP.Array ([[1, 2, 3,4, 5, 6], [4, 5, 6, 7, 8, 9], [7, 8, 9, 10, 11, 12]])
matrise [0] [2] = 21
Print ("Array Display:", Array)
Print ("Vis den første raden og 2 kolonneelementet:", Array [0] [2])

Som vist nedenfor, oppdateres verdien med suksess i matrisen ved bare å legge til en enkel kodeinje som leveres av Numpy -pakken.

Konklusjon

I denne artikkelen forklarte vi forskjellige måter å lage todimensjonale matriser og hvordan vi kan manipulere dem ved å bruke Numpys innebygde funksjoner. Vi diskuterte hvordan vi kan få tilgang til elementene i matrisen og oppdatere dem. Numpy gjør oss i stand til å lage og manipulere flerdimensjonale matriser med en enkelt kodelinje. Numpy matriser er tydeligere og mer effektive enn Python -lister.