import numpy as np
print("a")
a = np.array([[3, 4, 5], [-3, 4, 8], [3, 2, 9]])
print(a)
print("b")
b = np.reshape(a, (1, 9))
print(b)
print("c")
c = a.reshape(9)
print(c)a
[[ 3 4 5]
[-3 4 8]
[ 3 2 9]]
b
[[ 3 4 5 -3 4 8 3 2 9]]
c
[ 3 4 5 -3 4 8 3 2 9]import numpy as np
print("a")
a = np.array([[3, 4, 5], [-3, 4, 8], [3, 2, 9]])
print(a)
print("d")
d = a.flatten()
print(d)
print("e")
e = a.ravel()
print(e)
print("f")
f = np.ravel(a)
print(f)a
[[ 3 4 5]
[-3 4 8]
[ 3 2 9]]
d
[ 3 4 5 -3 4 8 3 2 9]
e
[ 3 4 5 -3 4 8 3 2 9]
f
[ 3 4 5 -3 4 8 3 2 9]import numpy as np
print("g")
g = [[1, 3, 4]]
print(g)
print("h")
h = np.squeeze(g)
print(h)
print("i")
i = a.T
print(i)
print("j")
j = np.transpose(a)
print(j)g
[[1, 3, 4]]
h
[1 3 4]
i
[[ 3 -3 3]
[ 4 4 2]
[ 5 8 9]]
j
[[ 3 -3 3]
[ 4 4 2]
[ 5 8 9]]import numpy as np
print("h")
h = [3, -4, 5, -2]
print(h)
print("k")
k = np.hstack((h, h, h))
print(k)
print("l")
l = np.vstack((h, h, h))
print(l)
print("m")
m = np.dstack((h, h, h))
print(m)h
[3, -4, 5, -2]
k
[ 3 -4 5 -2 3 -4 5 -2 3 -4 5 -2]
l
[[ 3 -4 5 -2]
[ 3 -4 5 -2]
[ 3 -4 5 -2]]
m
[[[ 3 3 3]
[-4 -4 -4]
[ 5 5 5]
[-2 -2 -2]]]import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])
print("r1")
r1 = np.concatenate((a, b))
print(r1)
print("r2")
r2 = np.concatenate((a, b), axis=0)
print(r2)
print("r3")
r3 = np.concatenate((a, b.T), axis=1)
print(r3)
print("r4")
r4 = np.concatenate((a, b), axis=None)
print(r4)r1
[[1 2]
[3 4]
[5 6]]
r2
[[1 2]
[3 4]
[5 6]]
r3
[[1 2 5]
[3 4 6]]
r4
[1 2 3 4 5 6]import numpy as np
a = np.array([[1, 2], [3, 4]])
print("r1")
r1 = np.resize(a, (2, 3))
print(r1)
print("r2")
r2 = np.resize(a, (1, 4))
print(r2)
print("r3")
r3 = np.resize(a, (2, 4))
print(r3)r1
[[1 2 3]
[4 1 2]]
r2
[[1 2 3 4]]
r3
[[1 2 3 4]
[1 2 3 4]]import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])
print("r1")
r1 = np.append(a, b)
print(r1)
print("r2")
r2 = np.append(a, b, axis=0)
print(r2)r1
[1 2 3 4 5 6]
r2
[[1 2]
[3 4]
[5 6]]import numpy as np
a = np.array([[1, 2], [3, 7]])
print("r1")
r1 = np.insert(a, 1, 4)
print(r1)
print("r2")
r2 = np.insert(a, 2, 4)
print(r2)
print("r3")
r3 = np.insert(a, 1, 4, axis=0)
print(r3)
print("r4")
r4 = np.insert(a, 1, 4, axis=1)
print(r4)r1
[1 4 2 3 7]
r2
[1 2 4 3 7]
r3
[[1 2]
[4 4]
[3 7]]
r4
[[1 4 2]
[3 4 7]]import numpy as np
a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
print("r1")
r1 = np.delete(a, 1, axis=1)
print(r1)
print("r2")
r2 = np.delete(a, 2, axis=0)
print(r2)r1
[[ 1 3 4]
[ 5 7 8]
[ 9 11 12]]
r2
[[1 2 3 4]
[5 6 7 8]]Ćwiczenia: (ex5.py)
Rozważ tablicę jednowymiarową
\[A = \begin{bmatrix}1 & 2 & 3 & 4 & 5 & 6\end{bmatrix}.\]
Przekształć ją tak, aby uzyskać tablicę dwuwymiarową o kształcie \(2 \times 3\).
Mając tablicę dwuwymiarową
\[B = \begin{bmatrix}1 & 2 \\ 3 & 4 \\ 5 & 6\end{bmatrix},\]
uzyskaj jednowymiarowy “widok” jej elementów bez zmiany w danych źródłowych.
Rozważ tablicę
\[D = \begin{bmatrix}1 & 2 & 3 \\ 4 & 5 & 6\end{bmatrix}.\]
Zmień jej orientację tak, aby wiersze stały się kolumnami, a kolumny wierszami.
Mając dwie tablice
\[E_1 = \begin{bmatrix}1 & 2 & 3\end{bmatrix}, \quad E_2 = \begin{bmatrix}4 & 5 & 6\end{bmatrix},\]
połącz je w poziomie, tworząc jedną tablicę.
Dwie tablice
\[F_1 = \begin{bmatrix}1 & 2 & 3\end{bmatrix}, \quad F_2 = \begin{bmatrix}4 & 5 & 6\end{bmatrix},\]
połącz w pionie, aby uzyskać tablicę o kształcie \(2 \times 3\).
Dla tablicy
\[G = \begin{bmatrix}1 & 2 & 3 \\ 4 & 5 & 6\end{bmatrix},\]
zmień jej rozmiar tak, aby stała się tablicą jednowymiarową o 4 elementach. Pozostałe elementy usuń.
Mając tablicę
\[H = \begin{bmatrix}10 & 20 & 30 \\ 40 & 50 & 60 \\ 70 & 80 & 90\end{bmatrix},\]
usuń drugą kolumnę, otrzymując tablicę \(3 \times 2\).
Rozważ tablicę
\[I = \begin{bmatrix}1 & 2 \\ 3 & 4 \\ 5 & 6 \\ 7 & 8\end{bmatrix},\]
zmień jej kształt tak, aby uzyskać tablicę \(2 \times 4\).
Mając tablicę
\[J = \begin{bmatrix}1 & 2 & 3 & 4\end{bmatrix},\]
przekształć ją w tablicę dwuwymiarową \(2 \times 2\), a następnie “spłaszcz” ją z powrotem do postaci jednowymiarowej.