3D-massiivide sissejuhatus Pythonis
Enne 3D-massiiviga alustamist tuleb selgeks teha, et massiive on igas programmeerimiskeeles ja kas nad töötavad ka pythonis. Iga programmeerimiskeel räägib oma käitumisest, nagu see on kompilaatoris kirjas. Paljudel inimestel on üks küsimus, kas me peame kasutama nimekirja 3D-massiivi kujul või on meil Numpy. Ja vastus on, et me võime minna nimekirja 3D-massiivide lihtsa rakendamisega. Kuid mõne keeruka ülesehituse jaoks on meil lihtne viis seda teha, lisades Numpy. Ei ole soovitatav kasutada. See sõltub projektist ja nõudest, kuidas soovite konkreetset funktsionaalsust rakendada.
Mida tähendab raamatukogu?
Pythonil on komplekt raamatukogusid, mis määratlevad ülesande hõlpsaks. Samal põhjusel töötab massiiviga tõhusalt ja tänast nõuet vaadates on Pythonil raamatukogu nimega Numpy. Numpy tegeleb massiividega. Numpy on kasulik ka masinõppes. Hea on kuuluda, kuna puutume kokku mitmemõõtmeliste massiividega pythonis. Nagu me teame, peavad massiivid salvestama homogeensed andmeüksused ühes muutujas. Massiivid Pythonis pole midagi muud kui nimekiri. Vaadake järgmist koodilõiku. Siin on värvide loend. Trükime värve. See on lihtne ühemõõtmeline nimekiri, mida võime öelda.
Näide
colors = ("red", "blue", "orange") print(colors)
Väljund:
('punane', 'sinine', 'oranž')Samuti on mitmemõõtmelistel massiividel või loendil rida ja veerud, mida saab määratleda. Võib öelda, et mitmemõõtmelised massiivid loendite kogumina.
Järgmine on kahemõõtmelise massiivi või loendi näide.
Näide
rows = int(input("Enter the no.of rows you want: "))
cols = int(input("Enter the number of cols you want: "))
myList = ((0 for c in range(cols)) for r in range(rows)) for r in range(rows):
for c in range(cols):
myList(r)(c)= r*c
print(myList)
Väljund:
Sisestage nr. soovitud ridadest: 2
Sisestage soovitud veergude arv: 2
((0, 0), (0, 1))
Ülaltoodud näites võtame lõppkasutajalt lihtsalt vastuse nr. ridade ja veergude arv. Pärast seda salvestame vastavad väärtused muutujasse, mida nimetatakse ridadeks ja veergudeks. Lisaks lõime pesastatud silmuse ja määrasime selle muutujale, mida nimetatakse minu loendiks. Siin käsitleme lihtsalt üksusi, mis on silmused numbrite kohal, mida lõpptarbijalt võtame ridade ja veergudena.
Pärast seda oleme ridade ja veergude silmus. Lõpuks koostame loendi vastavalt lõppkasutaja esitatud numbritele.
Proovige seda programmi. Kui te ei tea, kuidas silmus pythonis töötab, siis kontrollige kõigepealt seda mõistet ja tulge siia tagasi. Saate sellest paremini aru.
Kuidas defineeritakse 3D-massiive Pythonis?
Oletame, et meil on maatriks 1 * 3 * 3. Peame selle määratlema loendi kujul, siis oleks see 3 eset, 3 rida ja 3 veergu.
Ülaltoodud diagrammil on meil igas komplektis ainult üks @, st igas elemendis üks element. 3 veergu ja 3 rida vastavalt.
Kuidas me seda siis määratleda saame? Pythonis saame nimekirja abil määratleda selle kolmemõõtmelise massiivi. 3-mõõtmelised massiivid on massiivide massiivid. Selle pesitsemise ajal pole piire.
Kuidas luua 3D-massiive Pythonis?
Koostame loendit, mis pesastatakse. Proovige järgmist väikest näidet. Kui olete silmuste pythoniga tuttav, saate järgmisest näitest hõlpsasti aru.
symbol = (( ('@' for col in range(2)) for col in range(2)) for row in range(3)) print(symbol)
Väljund:
((('@', '@'), ('@', '@')), (('@', '@'), ('@', '@')), (('@', '@'), ('@', '@')))Kui vaatate ülaltoodud näidet tähelepanelikult, on meil üks tüübiloendi muutuja. Nurksulgudega määratleme loendi pythonis. Selles loendis oleme andnud silmusfunktsiooni vahemiku abil. Mis lihtsalt määratleb 2 elementi ühes komplektis. Igas alamloendis on kaks sellist komplekti. Ja meil on loendis kokku 3 elementi.
Kuidas sisestada 3D-massiivide elemente Pythonisse?
Python on andnud meile kõik lahendused, mida me vajame. Pythonil on selles palju meetodeid. Need meetodid aitavad meil elementi antud loendisse lisada. Python ei toeta massiivi täielikult. Massiiviga lihtsamaks muutmiseks peame kasutama funktsiooni lisamist.
Palun vaadake allolevat programmi
Näide:
mylist = ((('@', '@'), ('@', '@')), (('@', '@'), ('@', '@')), (('@', '@'), ('@', '@'))) # number tuple
addition = ('$', '$') # inserting $ symbol in the existing list
my list.insert(2, addition)
print('Updated List is: ', mylist)
Väljund:
Uuendatud loend on: ((('@', '@'), ('@', '@')), (('@', '@'), ('@', '@')), ( '$', '$'), (('@', '@'), ('@', '@')))
Ülaltoodud programmis sisestame uue massiivi elemendi sisestamismeetodi abil, mille pakub python. Ülaltoodud programmis on meil üks kolmemõõtmeline loend, mida nimetatakse minu nimekirjaks.
Sisestusmeetodil on kaks argumenti. Üks on positsioon, st midagi muud kui indeksinumber. Ja teine on tegelik element, mille soovite sisestada olemasolevasse massiivi või loendisse. Siin võtsime elemendi ühest muutujast, mille tahtsime sisestada. Me rakendame lisamise meetodit minu nimekirjas.
Proovige seda programmi käivitada. Mängige väljundiga erinevaid kombinatsioone. Ülaltoodud programmis oleme positsiooni andnud kui 2. Me kõik teame, et massiivi indeks algab nullist (0). See tähendab, et kolmandasse kohta lisati uus element, nagu näete väljundis.
Kuidas eemaldada 3D-massiivide elemente Pythonist?
Kui tahame nimekirjast või massiivist viimase elemendi eemaldada, kasutame hüpikmeetodit. Vaadake allpool toodud näidet. Siin eemaldasime massiivi viimase elemendi. Meil on pop () meetod. See meetod eemaldab nimekirja viimase elemendi. Oleme 3D-loendis / massiivis kasutanud pop () meetodit ja see annab tulemuse, millel on ainult kaks loendielementi. Proovige järgmist näidet.
Näide
symbol = (( ('@' for col in range(2)) for col in range(2)) for row in range(3)) symbol.pop()
print(symbol)
Väljund:
((('@', '@'), ('@', '@')), (('@', '@'), ('@', '@')))Tuhm
Siin vaatleme Numpyt. Nagu me juba teame, on Numpy python-pakett, mida kasutatakse pythoni massiividega tegelemiseks. Hakkame aru saama, kuidas see töötab. Selle paketi kasutamiseks peame selle kõigepealt oma arvutisse installima. Selle installimiseks MAC-i või Linuxile kasutage järgmist käsku.
Pip Install Numpy
- Unustades selle akendes, peame selle installima Numpy installija. Me ei võta liiga palju sisse, sest iga programm, mida käivitame koos numpy'ga, vajab meie süsteemis Numpyt.
- Numpy'l on eelnevalt määratletud funktsioon, mis muudab massiivi manipuleerimise lihtsaks. Massiiv on tavaliselt selline, mis on kindla suurusega. Massiivi suuruse suurendamine või vähendamine on ülimalt oluline. Numpy saab sellest probleemist üle ja pakub selle lahendamiseks häid funktsioone.
- Numpyga töö alustamiseks pärast selle edukat installimist teie arvutisse peame oma programmis importima. Pärast importimist kasutame selle eset.
- Numpy kasutamisel on komplekt mõnda uut sõna, nagu igal pakendil. Kui soovite Numpy kohta rohkem teada saada, külastage linki https://docs.scipy.org/doc.
- Siit leiate kõige täpsemad andmed ja Numpy praeguse värskendatud versiooni.
Järeldus
Python on skriptikeel ja seda kasutatakse enamasti väikeste automatiseeritud skriptide kirjutamiseks. Kui vaatame tähelepanelikult nõudeid, mida peaksime teadma, siis on küsimus, kuidas mängida mitmemõõtmeliste massiividega. Pythoni abil saame kirjutada suure skripti, kus on vähem koodi. Paljud arenevad tehnoloogiad vajavad seda aspekti töötamiseks. ML, AI, suurandmed, Hadoop, automatiseerimine vajab pythonit, et teha vähem aega. Selle lisa eeliseks on sellised paketid nagu Numpy.
Soovitatavad artiklid
See on juhend 3D-massiivide jaoks Pythonis. Siin käsitleme sissejuhatust ja seda, kuidas 3D-massiivid Pythonis defineeritakse, koos Pythonis 3D-massiivide elementide loomise, sisestamise ja eemaldamisega. Lisateabe saamiseks võite vaadata ka järgmisi artikleid -
- Andmeteaduse Pythoni teegid
- Konstruktor Pythonis
- Boole'i operaatorid Pythonis
- Juhend 3D massiivide jaoks C-s
- Kuidas Java-s 3D-massiive luua?
- 3D-massiivid C ++ -s
- Massiivid PHP-s