Yksinkertaisesti sanottuna voimme määritellä kaksiulotteisen taulukon taulukoksi toisen taulukon sisällä. Sen indeksi alkaa numerolla '0' ja päättyy taulukon kokoon '-1'. Tauluja voidaan rakentaa n kertaa taulukoiden sisällä. Kaksiulotteinen taulukko voi muuttaa kokoa sekä pysty- että vaakasuunnassa, molempiin suuntiin.
Syntaksi
Syntaksi taulukon ilmoittamiseksi on seuraava:
taulukon_nimi = [ r_arr ] [ c_arr ]
taulukon_nimi on sen taulukon nimi, jonka haluamme luoda. Kun taas 'r_arr' ovat taulukon rivejä ja 'c_arr' on taulukon sarake. Tämän syntaksin avulla voimme luoda muistipaikan, johon taulukko tallennetaan, tai voidaan sanoa, että muistipaikka voidaan varata taulukolle.
On toinenkin tapa ilmoittaa 2D-taulukko:
taulukon_nimi = [ [ R1C1 , R1C2 , R1C3 , ... ] , [ R2C2 , R2C2 , R2C3 , ... ] , . . .. ]
Yllä olevassa syntaksissa taulukon nimi on taulukon nimi, jossa 'R1C1', 'R2C1', … n ovat taulukon elementtejä, joissa 'R' tarkoittaa rivejä ja 'c' tarkoittaa sarakkeita. Kuten näemme ensimmäisistä hakasulkeista, rivien määrä muuttuu, kun sarakkeet ovat samat. Tämä johtuu siitä, että määritämme taulukossa sarakkeet käyttämällä useita taulukoita, kun taas rivit määritellään sisäisten taulukoiden sisällä.
Esimerkki # 01: Kaksiulotteisen taulukon luominen
Annamme käytännön esimerkin kaksiulotteisen taulukon luomisesta ja saamme paremman käsityksen siitä, kuinka kaksiulotteinen taulukko luodaan. 2D-taulukon luomiseksi tuomme ensin NumPy-kirjastomme, jonka avulla voimme toteuttaa joitain NumPyn tarjoamia paketteja taulukon luomiseen. Seuraavaksi alustamme muuttujan, joka sisältää kaksiulotteisen taulukon taulukon luomiseksi. Välitämme np.array()-funktion, jonka avulla voimme kaksi luoda minkä tahansa tyyppisen taulukon, olipa se 1D, 2D tai niin edelleen. Tälle funktiolle välitämme useita taulukoita tässä taulukossa, jolloin voimme luoda 2-ulotteisen taulukon.
Kuten alla olevasta kuvakaappauksesta näemme, välitimme toisella rivillä kolme taulukkoa kyseiselle funktiolle, mikä tarkoittaa, että meillä on kolme riviä ja näissä taulukoissa välitimme kullekin 6 elementtiä, mikä tarkoittaa, että sarakkeita on kuusi. Yksi huomioitava asia on se, että välitämme elementtejä aina hakasulkeissa, mikä tarkoittaa, että välitämme taulukkoelementtejä ja voimme nähdä, että olemme ohittaneet useita taulukoita yhden taulukon sisällä.
tuonti nuhjuinen kuten esim.
joukko = esim. joukko ( [ [ 1 , kaksi , 3 , 4 , 5 , 6 ] , [ 4 , 5 , 6 , 7 , 8 , 9 ] , [ 7 , 8 , 9 , 10 , yksitoista , 12 ] ] )
Tulosta ( joukko )
Lopulta tulostimme taulukon käyttämällä print-lausetta. Kuten alla olevassa kuvakaappauksessa näkyy, voimme nähdä taulukon, joka sisältää 3 riviä ja 6 saraketta.
Esimerkki # 02: Arvojen käyttäminen
Kun tutkimme menetelmää 2D-taulukoiden luomiseen, yksi asia on täytynyt napsauttaa mielessämme: kuinka voimme päästä käsiksi 2D-taulukon elementteihin? Vaikka 2D-taulukon elementin käyttö ei ole iso ongelma. Numpy antaa meille mahdollisuuden käsitellä taulukoiden elementtejä yksinkertaisella koodirivillä, joka on:
Array [ rivin indeksi ] [ sarakkeen indeksi ]Taulukko on sen taulukon nimi, josta meidän on käytettävä tai noudettava tietoja, jossa riviindeksi on rivin muistipaikka. Ja sarakeindeksi on käytettävän sarakkeen sijainti, oletetaan, että meidän on käytettävä rivin indeksin '2' elementtiä ja sarakkeen indeksin '0' elementtiä.
Kuten alla olevasta kuvasta nähdään, toimme ensin NumPy-kirjaston käyttääksemme NumPy-paketteja. Sitten julistimme muuttujan nimen 'array', joka sisältää 2D-taulukon ja välitimme sille arvot, jotka haluamme tallentaa siihen. Näytimme ensin taulukon sellaisena kuin se on, jonka olemme alustaneet. Sitten välitimme taulukon indeksillä print()-käskyyn, joka näyttää koko taulukon, joka on tallennettu indeksiin '2'. Seuraavalla koodirivillä välitimme jälleen taulukon kahdella indeksillä print()-käskyyn. Ensimmäinen on taulukon rivi ja toinen on taulukon sarake, joka on '0' ja '2'.
tuonti nuhjuinen kuten esim.joukko = esim. joukko ( [ [ 1 , kaksi , 3 , 4 , 5 , 6 ] , [ 4 , 5 , 6 , 7 , 8 , 9 ] , [ 7 , 8 , 9 , 10 , yksitoista , 12 ] ] )
Tulosta ( 'Matriisinäyttö:' , joukko )
Tulosta ( 'Näytä toinen rivi:' , joukko [ kaksi ] )
Tulosta ( 'Näytä ensimmäisen rivin ja kahden sarakkeen elementti:' , joukko [ 0 ] [ kaksi ] )
Seuraava tulos palautetaan, kun koodin kääntäjä tulostaa taulukon sellaisenaan. Sitten toinen rivi koodin mukaan. Lopuksi kääntäjä palauttaa elementin, joka on tallennettu indeksiin '0' riveille ja indeksiin '2' sarakkeelle.
Esimerkki #03: Arvojen päivittäminen
Olemme jo keskustelleet metodologiasta, kuinka voimme luoda tai käyttää tietoja tai elementtejä 2D-taulukon sisällä, mutta kun meidän on muutettava taulukon elementtejä, voimme yksinkertaisesti käyttää menetelmää, jonka NumPy-paketit tarjoavat meille. päivittääksesi haluamasi arvon taulukossa.
Arvon päivittämiseksi käytämme:
joukko [ rivi_indeksi ] [ sarake_indeksi ] = [ arvot ]Yllä olevassa syntaksissa taulukko on taulukon nimi. Rivihakemisto on paikka tai sijainti, jota muokkaamme. Sarakeindeksi on sarakkeen sijainti, jossa arvo päivitetään, jossa arvo on se, joka haluttuun indeksiin lisätään.
Kuten näemme, tuomme ensin NumPy-kirjastomme. Ja sitten julisti joukon, jonka koko on 3 × 6, ja välitti sen kokonaislukuarvot. Sitten välitimme arvon '21' taulukkoon, mikä tarkoittaa, että haluamme tallentaa arvon '21' taulukkoon rivin '0' ja sarakkeen '2', mikä tarkoittaa, että haluamme tallentaa sen indeksiin. ensimmäisestä rivistä ja 3 rd taulukon sarake. Tulosta sitten molemmat taulukot, alkuperäinen ja myös taulukkoon tallentamamme elementti.
tuonti nuhjuinen kuten esim.joukko = esim. joukko ( [ [ 1 , kaksi , 3 , 4 , 5 , 6 ] , [ 4 , 5 , 6 , 7 , 8 , 9 ] , [ 7 , 8 , 9 , 10 , yksitoista , 12 ] ] )
joukko [ 0 ] [ kaksi ] = kaksikymmentäyksi
Tulosta ( 'Matriisinäyttö:' , joukko )
Tulosta ( 'Näytä ensimmäisen rivin ja kahden sarakkeen elementti:' , joukko [ 0 ] [ kaksi ] )
Kuten alla näkyy, arvo päivitetään onnistuneesti taulukkoon lisäämällä yksinkertainen koodirivi, jonka NumPy-paketti tarjoaa.
Johtopäätös
Tässä artikkelissa selitimme erilaisia tapoja luoda kaksiulotteisia taulukoita ja kuinka voimme käsitellä niitä NumPyn sisäänrakennettujen toimintojen avulla. Keskustelimme siitä, kuinka voimme käyttää taulukon elementtejä ja päivittää niitä. Numpy antaa meille mahdollisuuden luoda ja käsitellä moniulotteisia taulukoita yhdellä koodirivillä. Numpy-taulukot ovat selkeämpiä ja tehokkaampia kuin python-luettelot.