Pengindeksan Dasar
Pelajaran 10 dari 18 dalam kursus Dasar-Dasar NumPy di Coddy.
Array Numpy 1 dimensi dapat diindeks sama seperti list Python:
Pengindeksan list Python:
lst = [1, 2, 3, 4]
lst[1] # --> 2Pengindeksan array Numpy:
ary = np.array([1, 2, 3, 4])
ary[1] # --> 2Namun, hal-hal menjadi menarik saat dimensinya lebih besar.
Pengindeksan list 2D Python:
lst = [[1, 2], [3, 4]]
lst[0][1] # --> 2Pengindeksan array 2D Numpy:
ary = np.array([[1, 2], [3, 4]])
ary[0,1] # --> 2 Perhatikan perbedaannya: ary[0,1], lst[0][1]
Kita dapat menggunakan sintaks list yang sama dengan array Numpy: ary[0][1], tetapi cara ini tidak efisien. Sebaiknya gunakan: ary[0, 1]
ary[0][1]kurang efisien karena array sementara baru dibuat setelah indeks pertama, lalu diindeks dengan 1.
Bagaimana cara mengindeks array 3D?
ary = np.array([
[[1], [2]],
[[3], [4]]
])
ary[0, 0, 0] # --> 1
ary[0, 1, 0] # --> 2
ary[1, 0, 0] # --> 3
ary[1, 1, 0] # --> 4
Uji dirimuPelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.
Uji dirimuPelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.
Tantangan
MudahAmbil elemen (menggunakan pengindeksan) yang berisi nilai 5 dari array 3D ary
Coba sendiri
import numpy as np
ary = np.array([ [ [ 0, 1 ], [ 2, 3 ] ], [ [ 4, 5 ], [ 6, 7 ] ] ])
res = ary[] # <-- Complete the indexing
print(res) # Don't touch
Semua pelajaran di Dasar-Dasar NumPy
2Pembuatan array N-Dimensi
Dimensi Lebih TinggiMemahami BentukMengisi dengan Nilai TetapTipe NumPyRentangMengubah Bentuk3Pengindeksan Array NumPy
Pengindeksan DasarSlicingPengindeksan arrayPengindeksan Berdasarkan DimensiPengindeksan BooleanPengindeksan dengan Beberapa KondisiLatihan sendiri: Compiler Python online