Trong hướng dẫn Python này, chúng ta sẽ tìm hiểu cách sử dụng mảng NumPy 3 chiều trong Python. Ngoài ra, chúng tôi sẽ bao gồm các chủ đề này
- Python cắt mảng 3d numpy
- Python mảng 3d numpy thành 2d
- Python trục mảng 3d numpy
- Python vẽ mảng 3d numpy
- Danh sách Python 3d thành mảng numpy
- Mảng 3d hoán vị Python numpy
- Python mảng 3d tổng numpy
- Python numpy xác định mảng 3d
- Python numpy xoay mảng 3d
- Python ví dụ 3d numpy
- Python numpy nơi mảng 3d
- Python mảng 3d trống rỗng
- Định hình lại mảng 3d thành 2d python numpy
- Python numpy khởi tạo mảng 3d
- Python numpy nối thêm mảng 3d
- Python numpy nối mảng 3d
Mục lục
Mảng 3d Python Numpy
- Trong phần này, chúng ta sẽ thảo luận về cách tạo mảng 3 chiều trong Python
- Numpy cung cấp một chức năng cho phép chúng ta thao tác với dữ liệu có thể truy cập được. Ba chiều có nghĩa là chúng ta có thể sử dụng các mức mảng lồng nhau cho mỗi chiều
- Để tạo một mảng numpy 3 chiều, chúng ta có thể sử dụng numpy đơn giản. array[] để hiển thị mảng 3 chiều
Ví dụ
Hãy lấy một ví dụ và hiểu cách tạo một mảng ba chiều với một giá trị cụ thể
Mã nguồn
import numpy as np
arr1 = np.array[[[[2,17], [45, 78]], [[88, 92], [60, 76]],[[76,33],[20,18]]]]
print["Create 3-d array:",arr1]
Đây là việc triển khai mã đã cho sau đây
Ngoài ra, hãy đọc, Python NumPy tối thiểu
Cách tạo mảng 3d numpy trong Python
Bằng cách sử dụng NumPy reshape[], chúng ta có thể dễ dàng tạo mảng 3d NumPy trong Python. Trong Python, phương thức này được sử dụng để định hình mảng NumPy mà không sửa đổi các phần tử của mảng
Ví dụ
import numpy as np
new_arr = np.array[[[ 78, 23, 41, 66],
[ 109, 167, 41, 28],
[ 187, 22, 76, 88]]]
b = new_arr.reshape[3, 2, 2]
print[b]
Trước tiên, trong đoạn mã trên, chúng tôi đã nhập thư viện Python NumPy và sau đó, tạo một mảng bằng cách sử dụng lệnh np. mảng. Bây giờ, hãy sử dụng phương thức reshape[], trong đó chúng ta đã chuyển hình dạng và kích thước mảng
Đây là Ảnh chụp màn hình của mã đã cho sau
Đọc. Mảng NumPy Python + Ví dụ
Python cắt mảng 3d numpy
- Trong Chương trình này, chúng ta sẽ thảo luận về cách tạo một mảng 3d gọn gàng bằng cách sử dụng phép cắt trong Python
- Để cắt một mảng trong Python, chúng ta có thể dễ dàng sử dụng lập chỉ mục và phương thức này chúng ta lấy một phần tử từ chỉ mục này sang chỉ mục khác
- Trong Python, các bước cắt được bắt đầu. chấm dứt. bước chân. Tham số đầu tiên là start nếu chúng ta không truyền tham số này trong ví dụ thì theo mặc định nó sẽ nhận giá trị là 0. Trong trường hợp tham số kết thúc, nó sẽ được coi là độ dài của mảng
Ví dụ
Hãy lấy một ví dụ và cắt các phần tử trong một mảng Python NumPy
import numpy as np
new_arr2 = np.array[[[[178, 189, 567], [145, 239, 445], [197, 345, 678]],
[[56, 78, 190], [46, 10, 11], [6, 2, 1]],
[[45, 118, 203], [72, 119, 34], [87, 9, 5]]]]
d= new_arr2[:2, 1:, :2]
print["slicing array:",d]
Trong đoạn mã trên, chúng ta vừa tạo một mảng đơn giản và sau đó áp dụng phương thức cắt cho nó. Trong ví dụ này, chúng tôi đã chọn độ dài của mảng là 2
Đây là đầu ra của đoạn mã sau
Đọc. Kiểm tra xem NumPy Array có trống trong Python không
Python Numpy mảng 3d thành 2d
- Trong phần này, chúng ta sẽ thảo luận về cách chuyển đổi mảng numpy 3 chiều thành mảng 2 chiều trong Python
- Để thực hiện tác vụ cụ thể này chúng ta có thể sử dụng phương thức numpy reshape[] và hàm này sẽ giúp người dùng định hình lại mảng 3 chiều thành mảng 2 chiều. Trong Python định hình lại có nghĩa là chúng ta có thể dễ dàng sửa đổi hình dạng của mảng mà không cần thay đổi các phần tử
cú pháp
Đây là Cú pháp của numpy. phương pháp định hình lại []
numpy.reshape
[
arr,
newshape,
order='C'
]
Mã nguồn
import numpy as np
new_arr2 = np.array[[[[13, 9],
[161, 23]],
[[128, 219],
[109, 992]],
[[42, 34],
[ 128, 398]],
[[236, 557],
[645, 212]]]]
b= np.reshape[new_arr2,[4,4]]
print[b]
Trong chương trình trên, chúng ta đã truyền mảng ‘new_arr’ cùng với kích thước của một mảng [không. hàng và không. của cột]. Khi bạn in 'b' thì đầu ra sẽ hiển thị mảng mới
Đây là Ảnh chụp màn hình của mã đã cho sau
Đọc. Python NumPy Sum + Ví dụ
Python trục mảng 3d numpy
- Trong Chương trình này, chúng ta sẽ thảo luận về cách tạo mảng 3 chiều cùng với một trục trong Python
- Ở đây, trước tiên, chúng ta sẽ tạo hai mảng numpy 'arr1' và 'arr2' bằng cách sử dụng hàm numpy. hàm mảng []. Bây giờ hãy sử dụng hàm nối và lưu chúng vào biến 'kết quả'. Trong Python, phương thức concatenate sẽ giúp người dùng nối hai hoặc nhiều mảng numpy có cùng hình dạng dọc theo trục
- Trong ví dụ này, chúng tôi đặt trục là 0 đại diện cho các mảng đã được nối theo chiều ngang
Mã nguồn
import numpy as np
arr1 = np.array[[[2,6,7],[16,14,111]]]
arr2 = np.array[[[73,27,41],[77,21,19]]]
result = np.concatenate[[arr1, arr2], axis = 0]
print[result]
Đây là đầu ra của đoạn mã sau
Đọc. Số không Python NumPy + Ví dụ
Python vẽ mảng 3d numpy
- Ở đây chúng ta có thể xem cách vẽ một mảng numpy 3 chiều trong Python
- Trong ví dụ này, chúng tôi đã nhập thư viện matplotlib để vẽ biểu đồ 3-d cùng với đó chúng tôi đã nhập mô-đun mpl_toolkits cho trục 3d và nó được sử dụng để thêm trục mới vào loại trục 3d
- Ở đây chúng ta có thể định nghĩa 'kết quả' là một ô con điển hình với phép chiếu 3 chiều và sau đó sử dụng phương pháp cắt để tạo đối tượng đường
- Một khi bạn sẽ sử dụng plt. figure[] thì nó tạo một đối tượng hình và plt. show[] mở một cửa sổ tương tác hiển thị hình của chúng tôi
Mã nguồn
import matplotlib.pyplot as plt, numpy as np
from mpl_toolkits.mplot3d import Axes3D
arr1= np.array[[[52,89,54], [103,423,934], [897,534,118]]]
new_val = plt.figure[]
result = new_val.add_subplot[122, projection='3d']
result.plot[arr1[:,0],arr1[:,1],arr1[:,2]]
plt.show[]
Bạn có thể tham khảo Ảnh chụp màn hình bên dưới
Ảnh chụp màn hình của đoạn trích
Đọc. Python NumPy sắp xếp
Danh sách Python 3d thành mảng numpy
- Hãy để chúng tôi xem cách chuyển đổi danh sách thành một mảng 3-d numpy bằng cách sử dụng Python
- Trong ví dụ này, chúng ta phải chuyển đổi danh sách thành mảng 3 chiều. Để thực hiện nhiệm vụ này, chúng tôi sẽ tạo một danh sách có tên 'new_lis' và sau đó sử dụng np. asarray[] để chuyển đổi danh sách đầu vào thành một mảng có nhiều mảng và chức năng này có sẵn trong mô-đun numpy
cú pháp
Đây là Cú pháp của numpy. phương thức asarray[]
numpy.asarray
[
a,
dtype=None,
order=None,
like=None
]
Mã nguồn
________số 8Đây là việc triển khai mã đã cho sau đây
Như bạn có thể thấy trong Ảnh chụp màn hình, đầu ra là một mảng NumPy 3 chiều trong Python
Đọc. Python NumPy nối thêm + 9 ví dụ
Mảng 3d hoán vị Python numpy
- Trong phần này, chúng ta sẽ thảo luận về cách hoán vị mảng 3 chiều trong Python
- Ở đây trong ví dụ này, chúng ta đã tạo một mảng có nhiều mảng đơn giản trong đó truyền giá trị của một số nguyên. Bây giờ hãy khai báo một biến 'kết quả' và sử dụng np. phương thức chuyển vị[]. Trong Python, np. Phương thức transpose[] sẽ giúp người dùng thay đổi các mục hàng thành các mục cột và tương tự các phần tử cột thành các phần tử hàng
- Phương thức này có thể hoán vị mảng 3 chiều và đầu ra của phương thức này là một mảng được cập nhật của mảng đã cho
cú pháp
Đây là Cú pháp của numpy. phương thức chuyển vị[]
numpy.transpose
[
a,
axes=None
]
Ví dụ
Lấy một ví dụ và hiểu cách hoán vị mảng 3 chiều trong Python
import numpy as np
new_arr = np.array[[[ 78, 23, 41, 66],
[ 109, 167, 41, 28],
[ 187, 22, 76, 88]]]
b = new_arr.reshape[3, 2, 2]
print[b]
0Đây là việc thực thi đoạn mã đã cho sau đây
Đọc. Python sắp xếp mảng NumPy
Python mảng 3d tổng numpy
- Trong chương trình này, chúng ta sẽ thảo luận về cách tính tổng một mảng numpy 3 chiều trong Python
- Bằng cách sử dụng np. sum[] chúng ta có thể giải quyết vấn đề này. Trong Python, phương thức sum[] tính tổng các phần tử của một mảng và bên trong đối tượng mảng
cú pháp
Đây là Cú pháp của np. hàm tổng []
import numpy as np
new_arr = np.array[[[ 78, 23, 41, 66],
[ 109, 167, 41, 28],
[ 187, 22, 76, 88]]]
b = new_arr.reshape[3, 2, 2]
print[b]
1Mã nguồn
import numpy as np
new_arr = np.array[[[ 78, 23, 41, 66],
[ 109, 167, 41, 28],
[ 187, 22, 76, 88]]]
b = new_arr.reshape[3, 2, 2]
print[b]
2Đây là Ảnh chụp màn hình của mã đã cho sau
Đọc. Ma trận Python NumPy
Python numpy xác định mảng 3d
- Trong phần này, chúng ta sẽ thảo luận về cách xác định một mảng 3 chiều gọn gàng bằng cách sử dụng Python
- Để xác định mảng 3 chiều, chúng ta có thể sử dụng numpy. phương thức one[]. Trong Python, numpy. one[] hàm điền các giá trị bằng một và nó sẽ luôn trả về một mảng có nhiều mảng mới có hình dạng đã cho
cú pháp
Đây là Cú pháp của numpy. phương thức one[]
import numpy as np
new_arr = np.array[[[ 78, 23, 41, 66],
[ 109, 167, 41, 28],
[ 187, 22, 76, 88]]]
b = new_arr.reshape[3, 2, 2]
print[b]
3Mã nguồn
import numpy as np
new_arr = np.array[[[ 78, 23, 41, 66],
[ 109, 167, 41, 28],
[ 187, 22, 76, 88]]]
b = new_arr.reshape[3, 2, 2]
print[b]
4Trong đoạn mã trên trước tiên, chúng ta phải nhập một thư viện NumPy và sau đó tạo một biến 'arr1' mà chúng ta chuyển np. one[] phương pháp để xác định một mảng 3 chiều mới
Đây là Ảnh chụp màn hình của mã đã cho sau
Đọc. Python NumPy linspace + Ví dụ
Python numpy xoay mảng 3d
- Hãy để chúng tôi xem cách xoay một mảng numpy 3 chiều trong Python
- Bằng cách sử dụng np. rot90 chúng ta có thể dễ dàng xoay mảng numpy 90 độ. Trong Python, phương thức này được sử dụng để xoay mảng NumPy 90 độ
cú pháp
Đây là cú pháp NumPy. phương pháp rot90[]
import numpy as np
new_arr = np.array[[[ 78, 23, 41, 66],
[ 109, 167, 41, 28],
[ 187, 22, 76, 88]]]
b = new_arr.reshape[3, 2, 2]
print[b]
5Mã nguồn
import numpy as np
new_arr = np.array[[[ 78, 23, 41, 66],
[ 109, 167, 41, 28],
[ 187, 22, 76, 88]]]
b = new_arr.reshape[3, 2, 2]
print[b]
6Bạn có thể tham khảo Ảnh chụp màn hình bên dưới
Như bạn có thể thấy trong Ảnh chụp màn hình, đầu ra là phép quay của mảng
Đọc. Python NumPy nối + 9 ví dụ
Python numpy nơi mảng 3d
- Hãy cho chúng tôi xem cách sử dụng hàm where trong mảng 3 chiều bằng cách sử dụng Python
- Trong Python, phương thức này được sử dụng để chọn các mục dựa trên một điều kiện và nó luôn trả về các mục được chọn từ X và Y và chức năng này có sẵn trong mô-đun Python Numpy
cú pháp
Đây là Cú pháp của numpy. phương thức ở đâu[]
import numpy as np
new_arr = np.array[[[ 78, 23, 41, 66],
[ 109, 167, 41, 28],
[ 187, 22, 76, 88]]]
b = new_arr.reshape[3, 2, 2]
print[b]
7Ví dụ
import numpy as np
new_arr = np.array[[[ 78, 23, 41, 66],
[ 109, 167, 41, 28],
[ 187, 22, 76, 88]]]
b = new_arr.reshape[3, 2, 2]
print[b]
8Trong đoạn mã trên, chúng tôi đã tạo một mảng và sau đó sử dụng np. phương thức where[] trong đó chúng ta gán điều kiện a