NumPy Array Indexing

-

 


Access Array Elements

Pengindexan array sama dengan mengakses elemen array.

Anda dapat mengakses elemen array dengan magacu pada nomor indexnya.

Index dalam array NumPy dimulai dengan 0, artinya elemen pertama memiliki index 0, dan yang kedua memiliki index 1 dll.

Contoh
Dapatkan elemen pertama dari array berikut.
import numpy as np

arr = np.array([1, 2, 3, 4])

print(arr[0])

Contoh
Dapatkan elemen kedua dari array berikut.
import numpy as np

arr = np.array([1, 2, 3, 4])

print(arr[1])

Contoh
Dapatkan elemen ketiga dan keempat dari array berikut dan tambahkan.
import numpy as np

arr = np.array([1, 2, 3, 4])

print(arr[2] + arr[3])

Access 2-D Arrays

Untuk mengakses elemen dari array 2-D, kita dapat meggunakan bilangan bulat yang dipisahkan koma yang mewakili dimensi dan index elemen.

Pikirkan array 2-D seperti tabel dengan baris dan kolom, di mana baris mewakili dimensi dan index mewakili kolom.

Contoh
Akses elemen pada baris pertama, kolom kedua.
import numpy as np

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

print('2nd element on 1st row: ', arr[0, 1])

Contoh
Akses elemen pada baris ke-2, kolom ke-5.
import numpy as np

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

print('5th element on 2nd row: ', arr[1, 4])

Access 3-D Arrays

Untuk mengakses elemen dari array 3-D kita dapat menggunakan bilangan bulat yang dipisahkan koma yang mewakili dimensi dan index elemen.

Contoh
Akses elemen ketiga dari array kedua dari array pertama.
import numpy as np

arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

print(arr[0, 1, 2])
Contoh Dijelaskan
arr[0, 1, 2] mencetak nilai 6.

Dan inilah alasannya:

Angka pertama mewakili dimensi pertama, yang berisi dua larik:
[[1, 2, 3], [4, 5, 6]]
dan:
[[7, 8, 9], [10, 11, 12]]
Sejak kami memilih 0, kami dibiarkan dengan array pertama:
[[1, 2, 3], [4, 5, 6]]

Angka kedua mewakili dimensi kedua, yang juga berisi dua larik:
[1, 2, 3]
dan:
[4, 5, 6]
Karena kami memilih 1, kami memiliki larik kedua:
[4, 5, 6]

Angka ketiga mewakili dimensi ketiga, yang berisi tiga nilai:
4
5
6
Karena kami memilih 2, kami mendapatkan nilai ketiga:
6

Negative Indexing

Cetak elemen terakhir dari dim ke-2.
import numpy as np

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

print('Last element from 2nd dim: ', arr[1, -1])

Komentar

Posting Komentar

Postingan populer dari blog ini

NumPy Array Search

-
Gambar
  Searching Arrays Kita dapat mencari array untuk nilai tertentu, dan mengembalikan index yang cocok. Untuk mencari array, gunakan where() . Contoh Temukan index dimana nilainya adalah 4. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  4 ,  4 ]) x =   np.where(arr ==  4 ) print (x) Contoh diatas akan mengembalikan Tuple: (array([3, 5, 6]),) Yang artinya nilai 4 terdapat pada index 3, 5, dan 6. Contoh Temukan index dimana nilainya genap. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 ]) x =   np.where(arr% 2  ==  0 ) print (x) Contoh Temukan index dimana nilainya ganjil. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 ]) x =   np.where(arr% 2  ==  1 ) print (x) Search Sorted  Ada metode yang disebut searchsorted() yang mela...
Baca selengkapnya

NumPy Array Split

-
Gambar
  Splitting NumPy Arrays Splitting/Pemisahan adalah operasi kebalikan dari Joining. Bergabung/Joining menggabungkan beberapa array menjadi satu dan memisahkan memecah satu array menjadi banyak. Kita menggunakan array_split() untuk memisahkan array, kita memberikan array yang ingin kita bagi dan jumlah pemisahan. Contoh Bagi array menjadi 3 bagian. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  6 ]) newarr =   np.array_split(arr,  3 ) print (newarr) Note: Nilai yang dikembalikan adalah array yang berisi 3 array. Jika array memiliki lebih sedikit elemen dari yang dibutuhkan, array akan menyesuaikan dari akhir. Contoh Bagi array menjadi 4 bagian. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  6 ]) newarr =   np.array_split(arr,  4 ) print (newarr) Note: Kita juga memiliki metode split() tersedia tetapi tidak akan menyesuaikan elemen ketika elemen ku...
Baca selengkapnya

NumPy Array Iterating

-
Gambar
  Iterating Array Iterating/iterasi berarti menelusuri elemen satu per satu. saat kita berurusan dengan array multi-dimensi di numpy, kita bisa melakukan ini menggunakan for loop dasar Python. Jika kita mengulangi/loop pada array 1-D, ia akan melewati setiap elemen satu per satu. Contoh  Iterasi pada elemen array 1-D berikut. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ]) for  x  in  arr:    print (x) Iterating 2-D Arrays Dalam array 2-D itu akan melewati semua baris. Contoh Lakukan iterasi pada elemen array 2D berikut. import  numpy  as  np arr = np.array([[ 1 ,  2 ,  3 ], [ 4 ,  5 ,  6 ]]) for  x  in  arr:    print (x) Jika kita iterasi pada array n -D maka akan melewati dimensi n-1 satu per satu. Untuk mengembalikan nilai aktual, skalar, kita harus mengulangi/loop array di setiap dimensi. Contoh Iterasi pada  setiap elemen skalar dari array 2-D. import ...
Baca selengkapnya