Автор оригинала: Team Python Pool.
Функция Numpy Choose() Объяснена На 3 Примерах
В этой статье мы рассмотрим NumPy.choose(). Наряду с этим, для общего лучшего понимания, мы рассмотрим его синтаксис и параметр. Затем мы увидим применение всей теоретической части на нескольких примерах. Но сначала попробуем получить краткое представление о функции через ее определение.
Numpy Choose-это функция для выбора параметров из нескольких массивов в соответствии с нашими потребностями. Предположим, у вас есть несколько массивов Numpy, сгруппированных в один массив, и вы хотите получить значения из них одновременно. В таких случаях пригодится функция NumPy.choose (). Далее мы увидим связанный с ним параметр, а затем рассмотрим различные параметры.
Синтаксис Numpy.Выбирать()
np.choose(a,c).array(][I] ])
Выше мы видим общий синтаксис нашей функции. На первый взгляд это может показаться немного сложным. Но не волнуйся. Мы подробно обсудим каждый из параметров, связанных с ним.
Параметр Numpy.Выбирать()
a: int array
Этот массив Numpy должен содержать числа от 0 до n-1. Здесь n представляет количество вариантов выбора, если только с ним не связан режим(необязательный параметр).
выбор: последовательность массивов
“a” и все варианты выбора должны быть транслируемы в одну и ту же форму. Если choices сами по себе являются массивом, то его внешнее измерение принимается за определение “последовательности”.
out: массив
Это необязательный параметр. Если он объявлен, то выходные данные будут вставлены в уже существующий массив. Он должен быть соответствующего d-типа и формы.
Это необязательный параметр. Функция этого параметра состоит в том,чтобы решить, как будут обрабатываться индексные числа вне[0, n-1]. Он имеет 3 условия, связанные с ним, которые являются: “raise”: В этом случае возникает исключение. “wrap”: В этом случае значение становится value |N| “clip”: В этом случае значение <0 сопоставляется с 0, значения >n-1 сопоставляются с n-1. <объединенный массив: массив Эта функция возвращает объединенный массив в качестве вывода. <ПРИМЕЧАНИЕ: Если a и каждый массив выбора не транслируются в одну и ту же форму, то в этом случае отображается “VALUEERROR”. Мы подробно рассмотрели синтаксис и параметры NumPy.choose (). Теперь давайте посмотрим на них в действии на разных примерах. Эти примеры помогут нам лучше понять тему. Мы начнем с элементарного уровня, а затем рассмотрим различные вариации. Выход: В приведенном выше примере мы сначала импортировали модуль NumPy. Затем мы объявили массив Numpy. После чего мы использовали наш общий синтаксис и оператор print, чтобы получить желаемый результат. Результат здесь оправдывает наш вклад. Мы можем понять это следующим образом: мы объявили наш выбор как [1,0,1,0]. Это означает, что первым компонентом нашего элемента будет 1-й элемент подмассива номер 2. Затем вторым элементом будет второй элемент массива № 1. Следующим членом будет 3-й элемент массива № 2, а последним элементом будет 4-й элемент массива № 2. Выход: Опять же в этом примере мы следовали той же процедуре, что и в приведенном выше примере. Здесь у нас есть 3 суб-массива вместо 2 и 3 варианта вместо 4. Причина этого заключается в том, что у нас есть 3 элемента в массиве. Если мы объявим 4 варианта, то не будет никакого 4-го члена, чтобы заполнить его пространство, и все, что мы получим, – это ошибка. Это то, о чем каждый должен позаботиться, работая с этой функцией. В соответствии с выходными данными функция numpy choose() выбирает значения из 2-го, 3-го и 1-го массива соответственно. Мы все знаем случай, когда нам нужно выбрать выбор из списка вариантов. К счастью, в numpy есть способ добиться этого точно. Учитывая, что у вас есть массив, numpy.choose() выберет случайный параметр из массива Numpy. Следующий пример может помочь вам понять это – Код – Выход – Объяснение – Сначала мы импортируем модуль numpy в первую строку. Затем numpy.random.choice возвращает случайное число от 0 до 5 и формирует массив длин 3. Понимание Python Bubble SortNumpy Determinant | Что такое NumPy.linalg.det()Numpy log in Python В этой статье мы рассмотрели NumPy.choose(). Кроме того, мы также рассмотрели его синтаксис и параметры. Для лучшего понимания мы рассмотрели несколько примеров. Мы варьировали синтаксис и рассматривали выходные данные для каждого случая. В конце концов, мы можем сделать вывод, что Numpy. функция choose() помогает нам получать элементы сразу из разных подмассивов. Надеюсь, эта статья смогла развеять все сомнения. Но если у вас есть какие-либо нерешенные вопросы, не стесняйтесь писать их ниже в разделе комментариев. Прочитав это, почему бы не прочитать fliplr дальше.Возвращение Numpy.Выбирать()
Numpy Выбор элементов массива Пример –
#input
import numpy as ppool
a=[[1,23,3,6],[3,5,6,9]]
print(ppool.choose([1,0,1,0],a))
[ 3 23 6 6]Пример выбора значений из массива Numpy
#input
import numpy as ppool
a=[[1,23,3],[3,5,6],[45,78,90]]
print(ppool.choose([1,2,0],a))
[ 3 78 3]Numpy Choose Random from an Array Пример
import numpy as np
.random.choice(5, 3)
print(x)
[2 3 2] (Random output)Должен Читать
Вывод