Cổng Khoa học Máy tính dành cho những người yêu thích máy tính. Nó bao gồm các bài báo về khoa học máy tính và lập trình được viết tốt, tư duy tốt và được giải thích tốt, các câu đố và thực hành / lập trình cạnh tranh / các câu hỏi phỏng vấn công ty.

Bạn đang xem : tìm giá trị trong mảng Numpy

Làm cách nào để tìm Chỉ mục của giá trị trong Numpy Array?

Trong bài viết này, chúng tôi sẽ tìm chỉ mục của các phần tử có trong một mảng NumPy. Phương thức where () được sử dụng để chỉ định chỉ mục của một phần tử cụ thể được chỉ định trong điều kiện.

Cú pháp:

 numpy.where (condition) 

Ở đây, điều kiện là điều kiện được chỉ định.

Ví dụ 1:

Trong chương trình này, chúng ta sẽ tạo một mảng với NumPy và hiển thị nó.

Chúng ta có thể tạo một mảng với numpy bằng cú pháp sau:

 numpy.array ([value1, value2, value3, ....., value n])  

Python3




nhập numpy dưới dạng np

a = np.array ([ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , < code class = "value"> 9 , 10 ])

print (a)

 
 

Kết quả:

 [1 2 3 4 5 6 7 8 9 10] 

Tìm chỉ mục của 3

Python3

print (np.where (a = = 3 ))

 
 

Đầu ra:

 (array ([2], dtype = int64),) 

Tìm giá trị chỉ mục của 9

Python3

print (np .where (a = = 9 ))

 
 

Đầu ra:

 (array ([8], dtype = int64),) 

Chúng ta cũng có thể lấy chỉ số của các phần tử dựa trên nhiều điều kiện. Các điều kiện đó được chỉ định trong hàm where ().

Ví dụ 2:

Lấy chỉ mục của các phần tử có giá trị nhỏ hơn 20 và lớn hơn 12

Python3

< / p>

a = np.array ( [ 11 , 12 , 13 , 14 , 15 , 16 , 17 , 15 ,

11 , 12 , 14 , 15 , < code class = "value"> 16 , 17 , 18 , 19 , < / code> 20 ])

< p class = "line number6 index5 alt1">

print ("Các số lập chỉ mục vị trí với chỉ mục của \

phần tử có giá trị nhỏ hơn 20 lớn hơn 12 là ",

np.where ((a & gt; 12 ) & amp; (a & lt; 20 )))

 
 

Đầu ra:

Các số lập chỉ mục vị trí với chỉ số của các phần tử có giá trị nhỏ hơn 20 và lớn hơn 12 là (array ([2, 3, 4, 5, 6, 7, 10, 11, 12, 13, 14 , 15], dtype = int64),)

Lấy chỉ mục của các phần tử có giá trị nhỏ hơn 20 và lớn hơn 12

Python3 < / h2>

< br />

a = np.array ([ 11 , 12 , 13 , 14 , 15 , 16 , 17 , 15 ,

11 , 12 , < code class = "value"> 14 , 15 , 16 , 17 , < / code> 18 , 19 , 20 ])

print (" Các số lập chỉ mục vị trí với chỉ mục của dòng \

phần tử có giá trị nhỏ hơn 20 hoặc lớn hơn 12 are ",

np.where ((a & gt; 12 ) | (a & lt; 20 )))

 
 

Đầu ra:

Các số lập chỉ mục vị trí với chỉ số của các phần tử có giá trị nhỏ hơn 20 hoặc lớn hơn 12 là (mảng ([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 , 11, 12, 13, 14, 15, 16]),)

Ví dụ 3:

Hiển thị chỉ mục phần tử trong đó các giá trị nhỏ hơn hơn 20

Python3


< / p>

a = np. mảng ([ 2 , 3 , 4 , 5 , 6 , 45 , 67 , 34 ])

print ( "chỉ mục phần tử trong đó giá trị nhỏ hơn 20:" ,

np.where (a & lt; 20 ))

 
 

Đầu ra:

 chỉ mục phần tử trong đó giá trị nhỏ hơn 20: (array ([0, 1, 2, 3, 4], dtype = int64),) 

Ví dụ 4:

Hiển thị chỉ mục phần tử trong đó các giá trị lớn hơn 20

Python3

a = np.array ([ < code class = "value"> 2 , 3 , 4 , 5 , < / code> 6 , 45 , 67 , 34 ]) < / code>

print ( "chỉ mục phần tử trong đó giá trị lớn hơn 20: " ,

np.where (a & gt; 20 ))

 
 

Đầu ra:

 chỉ mục phần tử trong đó giá trị lớn hơn 20: (array ([5, 6, 7], dtype = int64),) 

Phương pháp 2: Sử dụng vòng lặp for

Cách tiếp cận

  1. Tạo mảng NumPy.
  2. lặp qua mảng và so sánh phần tử trong mảng với mảng đã cho.
  3. Nếu phần tử khớp, hãy in chỉ mục.

Python3


nhập numpy as np

a = np.array ([ 2 , 3 , 4 , < / code> 5 , 6 , 45 , 67 , 34 ])

< / p>

index_of_element = - 1

cho i trong range (a.si ze):

if a [i] = = 45 :

index_of_element = i

break

nếu index_of_element! = - 1 :

print ( "chỉ mục phần tử:" , index_of_element)

else :

print < / code> ( "Phần tử không có" )

 
 

Đầu ra < / h4>

 phần tử index: 5 

My Personal Notes


Xem thêm những thông tin liên quan đến chủ đề tìm giá trị trong mảng numpy

NumPy Structured Arrays vs Record Arrays, NumPy Arrays Tutorial in Python Data Science

  • Tác giả: TEW22
  • Ngày đăng: 2018-07-06
  • Đánh giá: 4 ⭐ ( 3602 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: In this NumPy Python Data Science Tutorial, i discuss NumPy Structured arrays and NumPy Record arrays. Structured arrays use structured data type.
    NumPy Structured arrays ( 1:20 ) are ndarrays whose datatype is a composition of simpler datatypes organized as a sequence of named fields.
    NumPy Record Arrays ( 7:55 ) use a special datatype, numpy.record, that allows field access by attribute on the structured scalars obtained from the array.
    NumPy is the ultimate package for scientific computing with Python. It contains among other things: a powerful N-dimensional array object, tools for integrating C/C++ and Fortran code, sophisticated (broadcasting) functions, useful linear algebra, random number capabilities and Fourier transform.
    - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
    *** Complete Python Programming Playlists ***

    * Complete Playlist of Python 3.6.4 Tutorial can be fund here:
    https://www.youtube.com/watch?v=D0FrzbmWoys&list=PLZ7s-Z1aAtmKVb0fpKyINNeSbFSNkLTjQ

    * Complete Play list of Python Smart Programming in Jupyter Notebook:
    https://www.youtube.com/watch?v=FkJI8np1gV8&list=PLZ7s-Z1aAtmIVV0dp08_X-yDGrIlTExd2

    * Complete Playlist of Python Data Science
    https://www.youtube.com/watch?v=Uct_EbThV1E&list=PLZ7s-Z1aAtmIbaEj_PtUqkqdmI1k7libK

    * Complete Play List of Python Coding Interview:
    https://www.youtube.com/watch?v=wwtzs7vTG50&list=PLZ7s-Z1aAtmJqtN1A3ydeMk0JoD3Lvt9g

    - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
    NumPy Data Science Essential Training introduces the beginning to intermediate data scientist to NumPy, the Python library that supports numerical, scientific, and statistical programming, including machine learning. The library supports several aspects of data science, providing multidimensional array objects, derived objects (matrixes and masked arrays), and routines for math, logic, sorting, statistics, and random number generation. You will learn how to work with NumPy and Python within Jupyter Notebook, a browser-based tool for creating interactive documents with live code, annotations, and even visualizations such as plots. Learn how to create NumPy arrays, use NumPy statements and snippets, and index, slice, iterate, and otherwise manipulate arrays. Plus, learn how to plot data and combine NumPy arrays with Python classes, and get examples of NumPy in action: solving linear equations, finding patterns, performing statistics, generating magic cubes, and more.

    Topics include:
    • Using Jupyter Notebook
    • Creating NumPy arrays from Python structures - https://youtu.be/69ComsKKRvA
    • Slicing arrays - https://youtu.be/z4vDLNMDFE4
    • Using Boolean masking and broadcasting techniques - https://youtu.be/QD6IBF0Hic4
    • Plotting in Jupyter notebooks
    • Joining and splitting arrays
    • Rearranging array elements
    • Creating universal functions
    • Finding patterns
    • Building magic squares and magic cubes with NumPy and Python
    - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

    -~-~~-~~~-~~-~-
    Please watch: "How to Calculate Age from Date of Birth in Excel in Years Months and Days (Simple Formula)"
    https://www.youtube.com/watch?v=Jy-EO724its
    -~-~~-~~~-~~-~-

Tìm giá trị gần nhất trong mảng numpy

  • Tác giả: qastack.vn
  • Đánh giá: 5 ⭐ ( 8119 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: [Tìm thấy giải pháp!] import numpy as np def find_nearest(array, value): array = np.asarray(array) idx = (np.abs(array - value)).argmin() return…

Tìm hiểu về thư viện Numpy trong Python(Phần 1)

  • Tác giả: itzone.com.vn
  • Đánh giá: 4 ⭐ ( 4113 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: The ITZone platform Vietnam is the community for anyone interested in news, training seminars, presentations etc in the IT industry

Bài 1. Mảng trong numpy (Numpy array)

  • Tác giả: pythonnangcao.com
  • Đánh giá: 3 ⭐ ( 8626 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: NumPy là một Thư viện Đại số Tuyến tính cho Python, lý do khiến nó rất quan trọng đối với Khoa học Dữ liệu với Python là hầu như tất cả các thư viện trong Hệ sinh thái Py-Data đều dựa vào NumPy như một trong những khối xây dựng chính của chúng

Các function thống kê trong NumPy

  • Tác giả: websitehcm.com
  • Đánh giá: 5 ⭐ ( 1094 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: Các function thống kê trong NumPy w3seo statistical function trong thư viện numpy, hướng dẫn sử dụng các hàm statistical

Xử lý dữ liệu trên mảng cơ bản với Numpy

  • Tác giả: freetuts.net
  • Đánh giá: 3 ⭐ ( 4745 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: Cách xử lý dữ liệu trên mảng với các thao tác như truy cập vào mảng con, chia (split), biến đổi kích thước (reshape), nối (join) và sắp xếp (sorting) mảng.

Tìm kiếm (Array Search) trong mảng Numpy

  • Tác giả: laptrinhtudau.com
  • Đánh giá: 4 ⭐ ( 5905 lượt đánh giá )
  • Khớp với kết quả tìm kiếm: Tìm kiếm (Array Search) trong mảng Numpy - Lập Trình Từ Đầu 1 Numpy cơ bản

Xem thêm các bài viết khác thuộc chuyên mục: Kiến thức lập trình

Xem Thêm  Tạo Website: Hướng Dẫn 7 Bước Cách Làm Một Trang Web - cpanel pavietnam

By ads_php