การจัดทำดัชนี NumPy Array
เข้าถึงองค์ประกอบอาร์เรย์
การทำดัชนีอาร์เรย์จะเหมือนกับการเข้าถึงองค์ประกอบอาร์เรย์
คุณสามารถเข้าถึงองค์ประกอบอาร์เรย์ได้โดยอ้างอิงจากหมายเลขดัชนี
ดัชนีในอาร์เรย์ NumPy เริ่มต้นด้วย 0 หมายความว่าองค์ประกอบแรกมีดัชนี 0 และองค์ประกอบที่สองมีดัชนี 1 เป็นต้น
ตัวอย่าง
รับองค์ประกอบแรกจากอาร์เรย์ต่อไปนี้:
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[0])
ตัวอย่าง
รับองค์ประกอบที่สองจากอาร์เรย์ต่อไปนี้
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[1])
ตัวอย่าง
รับองค์ประกอบที่สามและสี่จากอาร์เรย์ต่อไปนี้และเพิ่มเข้าไป
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[2] +
arr[3])
เข้าถึง 2-D Arrays
ในการเข้าถึงองค์ประกอบจากอาร์เรย์ 2 มิติ เราสามารถใช้จำนวนเต็มที่คั่นด้วยเครื่องหมายจุลภาคแทนมิติข้อมูลและดัชนีขององค์ประกอบ
ลองนึกถึงอาร์เรย์ 2 มิติ เช่น ตารางที่มีแถวและคอลัมน์ โดยที่แถวแสดงถึงมิติและดัชนีแทนคอลัมน์
ตัวอย่าง
เข้าถึงองค์ประกอบในแถวแรก คอลัมน์ที่สอง:
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('2nd element on 1st row: ', arr[0, 1])
ตัวอย่าง
เข้าถึงองค์ประกอบในแถวที่ 2 คอลัมน์ที่ 5:
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('5th element on
2nd row: ', arr[1, 4])
เข้าถึง 3-D Arrays
ในการเข้าถึงองค์ประกอบจากอาร์เรย์ 3 มิติ เราสามารถใช้จำนวนเต็มที่คั่นด้วยเครื่องหมายจุลภาคแทนมิติข้อมูลและดัชนีขององค์ประกอบ
ตัวอย่าง
เข้าถึงองค์ประกอบที่สามของอาร์เรย์ที่สองของอาร์เรย์แรก:
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8,
9], [10, 11, 12]]])
print(arr[0, 1, 2])
ตัวอย่างที่อธิบาย
arr[0, 1, 2]6พิมพ์ค่า
และนี่คือเหตุผล:
ตัวเลขแรกแสดงถึงมิติแรกซึ่งมีสองอาร์เรย์:
[[1, 2, 3], [4, 5, 6]]
และ:
[[7, 8, 9], [10, 11, 12]]
ตั้งแต่ เราเลือก0เราจะเหลืออาร์เรย์แรก:
[[1, 2, 3], [4, 5, 6]]
ตัวเลขที่สองแสดงถึงมิติที่สอง ซึ่งประกอบไปด้วยสองอาร์เรย์:
[1, 2, 3]
และ:
[4, 5, 6]
เนื่องจากเราเลือก1เราจึงเหลืออาร์เรย์ที่สอง:
[4, 5, 6]
ตัวเลขที่สามแสดงถึงมิติที่สามซึ่งมีสามค่า:
4
5
6
เนื่องจากเราเลือก2เราจึงลงเอยด้วยค่าที่สาม:
6
การจัดทำดัชนีเชิงลบ
ใช้การจัดทำดัชนีเชิงลบเพื่อเข้าถึงอาร์เรย์จากส่วนท้าย
ตัวอย่าง
พิมพ์องค์ประกอบสุดท้ายจากสลัวที่สอง:
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('Last element
from
2nd dim: ', arr[1, -1])