کتابخانه علوم داده numpy (قسمت چهارم) | اسلایس کردن آرایه‌های نامپای 

اسلایس (slicing) در پایتون به معنای گرفتن عناصر از یک ایندکس داده شده به یک ایندکس دیگر است.

و برای اینکار به این شکل عمل می‌کنیم : [پایان: شروع]

برای دادن step به این اسلایسر به این شکل عمل میکنیم: [step :پایان:شروع]

اگر شروع از 0 باشد لازم نیست آنرا بگذارید.

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
print(arr[1:5])

خروجی عدد های 2,3,4,5 می‌باشد.

با ندادن مقدار پایان تا آخر را برای ما برمی‌گرداند.

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
print(arr[4:])

خروجی اعداد 5,6,7 می‌باشد.

با ندادن مقدار شروع از اول را برای ما برمی‌گرداند.

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
print(arr[:4])

خروجی اعداد 1,2,3,4 می‌باشد.

اسلایس کردن با اعداد منفی

با منفی کردن اعداد در اسلایسر شمارش از آخر اتفاق می افتد .

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
print(arr[-3:-1])

خروجی اعداد 5,6 می‌باشد.

step در اسلایس کردن آرایه‌های نامپای

برای جدا کردن یکی در میان می‌توانیم بگوییم که 2 تا 2 تا قدم بردار و لیست را جدا کن و کد آن به صورت زیر می‌شود. 

import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
print(arr[1:5:2])

خروجی اعداد 2,4 می‌باشد.

اسلایس کردن آرایه 2 بعدی نامپای

با ((,)) می‌توانیم لایه ها را از هم جدا کنیم و برای هر کدام اسلایسی را تعریف کنیم به مثال های زیر توجه کنید .

import numpy as np
arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
print(arr[1, 1:4])

خروجی اعداد 7,8,9 می‌باشد.

import numpy as np
arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
print(arr[0:2, 2])

خروجی اعداد 3,8می‌باشد.

import numpy as np
arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
print(arr[0:2, 1:4])

خروجی اعداد  [[7,8,9],[2,3,4]] می‌باشد.

آموزش بعدی کتابخانه علوم داده numpy (قسمت پنچم) | دیتا تایپ ها در نامپای | tmayt

آموزش قبلی کتابخانه علوم داده numpy (قسمت سوم) | ایندکسینگ آرایه‌ها در نامپای | tmayt