Tranchant numpy

«Le découpage du tableau Numpy est la méthode de la langue python qui est utilisée pour trancher un tableau. Numpy est une bibliothèque présentée par les packages Python, et il traite de toutes les fonctions liées aux numériques, des tableaux (unidimensionnels et multidimensionnels) et des matrices. Le tranchage du tableau est utilisé chaque fois que nous devons travailler sur une valeur présente à un index spécifique dans un tableau, e.g., Si nous avons un tableau unidimensionnel, supposons «[3, 4, 5, 6, 7, 9, 11]» et nous voulons effectuer une certaine opération sur l'élément de tableau qui existe à l'index numéro 2 ou si Nous voulons retirer le numéro du tableau de l'index numéro 2 jusqu'à l'index numéro 5 et effectuer une opération dessus, puis nous le ferons en tranchant le tableau avec une fonction de tranche de fonction."

Procédure

La méthode de mise en œuvre sera discutée et montrée à l'aide de différents exemples dans cet article. En suivant complètement cet article, les lecteurs apprendront à connaître la syntaxe de base pour le tranchage du tableau à l'aide de la bibliothèque Numpy. La pré-requis de la mise en œuvre de cette méthode, comme décrit dans l'article, serait de s'assurer que nos systèmes ont un compilateur Python en cours d'exécution avec les packages Numpy installés.

Syntaxe

La méthode de base pour la mise en œuvre du tranchage du tableau est la suivante:

$ [Début: arrêt: étape]

Pour la mise en œuvre du tranchage du tableau, nous devons traiter avec les trois S-méthode, qui représentent le premier «S», l'indice initial d'où nous voulons que le tranchage commence, puis vient le deuxième «S», qui représente les arrêts qui disent la quantité de longueur que nous voulons pour que le tableau soit tranché et la dernière étape «S», qui spécifie l'incrément de l'indice du tableau de tranchage. Par défaut, le démarrage est défini sur l'index initial «0», l'arrêt est fixé à la longueur du tableau, et l'étape a la valeur «+1».

Avec la connaissance complète de la syntaxe mentionnée ci-dessus pour le tranchage de réseau Numpy, nous pouvons modifier la syntaxe et peut trancher un tableau en fonction de notre exigence avec les différentes approches qui seront montrées dans les exemples.

Exemple 01

Dans ce tout premier exemple de l'article, nous allons implémenter la méthode de tranche de base de base sur un tableau unidimensionnel. Nous avons déjà créé un projet dans le compilateur Python et avons importé la bibliothèque Numpy afin que nous puissions utiliser la déclaration du tableau et sa fonction connexe dans le projet. Pour commencer par l'exemple, déclarons et initialisons un tableau unidimensionnel avec le membre ou les éléments comme «[3, 6, 8, 7, 9, 2, 4, 5]» en utilisant la méthode de déclaration numpy comme «NP. déployer()".

Nous allons maintenant essayer de trancher le tableau de l'index 2 à 4; Donc, pour ce tranchage, nous appellerons simplement le nom du tableau que nous avions déclaré, puis en utilisant le support carré et la notation «:», nous spécifierons l'index de départ comme «2» et l'index d'arrêt comme «4» et le et le étape pour l'incrément comme «1», e.g. [Début: arrêt: étape] qui implique dans notre cas comme [2: 4: 1] et ensuite nous afficherons simplement les résultats de ce tranchage en appelant la fonction print (). L'exemple est illustré dans le code Python dans la figure suivante:

Importer Numpy comme NP
array = np.Array ([3, 6, 8, 7, 9, 2, 4, 5])
Imprimer (tableau [2: 4: 1])

La sortie après avoir exécuté le code ci-dessus dans le compilateur semble être 8 et 7. En effet, nous avons tranché le tableau de l'index 2 à 4, et à l'index 2, nous en avions 8; À l'indice 4, nous en avions 7 dans le tableau. Alors ici, le code a donné la sortie correcte.

Exemple 02

Le deuxième exemple nous montrera comment nous pouvons utiliser la méthode de tranchage pour trancher le tableau entier après un index spécifique. Nous devrons créer un nouveau projet avec un nom (comme nous le désirons). Dans ce projet nouvellement créé, nous installerons et importerons la bibliothèque Numpy afin que nous puissions utiliser les fonctions liées aux matrices et aux arrayons nd.

Après avoir importé le Numpy en NP, nous utiliserons ce «NP» pour déclarer un tableau qui a une dimension dans cet exemple comme «[2, 4, 6, 7, 8, 9, 3]». Nous appliquerons le tranchage dans ce tableau de l'index 3 à la fin du tableau, et nous le ferons par la méthode «Array ([[Start Index:])». Cette syntaxe ne demande que l'indice de départ, et pour le reste du tableau, nous utilisons la notation «:». Implémentons cette méthode pour notre exemple en modifiant la fonction comme un «tableau ([3:])». Cet exemple peut être écrit dans le script Python comme suit.

Importer Numpy comme NP
array = np.Array ([2, 4, 6, 7, 8, 9, 3])
Imprimer (tableau [3:])

Après avoir exécuté le code avec succès, la sortie a renvoyé les numéros 7, 8, 9 et 3 car l'index 3 de notre tableau déclaré commence à partir de 7, et il se termine à 3, où le tableau se termine.

Exemple 03

Le troisième exemple serait légèrement différent des exemples exposés ci-dessus dans l'article. Ici, nous traiterons les tableaux multidimensionnels et y effectuerons la méthode de tranchage. Nous créerons un nouveau projet dans le compilateur Python, puis nous importerons Numpy en tant que NP. Après cela, nous déclarerons un tableau 2D comme «[[[1, 3, 5, 4, 6], [7, 3, 3, 9, 11]])». Supposons maintenant que nous voulons trancher ce tableau d'une manière que le premier élément du tableau qui est «[1, 3, 5, 4, 6]» reste intact et le deuxième élément qui est «[7, 3, 3, 9 , 11] "Il est tranché de l'index 0 à 3, alors nous modifierons la méthode de découpage ci-dessus comme" Imprimer (tableau [1, 0: 3]) ".

Importer Numpy comme NP
array = np.Array ([[1, 3, 5, 4, 6], [7, 3, 3, 9, 11]])
Imprimer (tableau [1, 0: 4])

La sortie du code est affichée comme 7, 3, 3 et 9, ce qui est correct.

Conclusion

Avec l'aide de cet article, nous obtiendrons une introduction au tranchage Numpy Tran. Cet article représente trois exemples au total, qui montrent la démonstration complète de la tranche de baie pour ND-Arrays en utilisant différentes approches. La syntaxe de base du tranchage du tableau reste la même, mais nous pouvons le modifier un peu pour l'utiliser pour nos exigences.