Курс Python → Numpy: использование Ellipsis

Библиотека Numpy — это мощный инструмент для работы с многомерными массивами в Python. Использование многомерных массивов может быть сложным, особенно когда нужно обращаться к определенным элементам вложенных списков. Например, если у нас есть огромный массив и нам нужно получить первый индекс каждого вложенного списка, начиная с 2, то мы можем использовать срезы вроде array[1:,2,:]. Однако, если нам нужно еще глубже, то придется добавить еще несколько двоеточий.

В случае, если у нас есть огромное количество вложенных списков и нам нужно обратиться к самому последнему, то нам на помощь приходит Ellipsis. Этот оператор является очень полезным в Numpy. Множество двоеточий можно заменить многоточием, что делает код более читаемым и понятным. Например, запись array[1, 2, …] эквивалентна array[1, 2, :, :, :].

Использование Ellipsis в библиотеке Numpy делает код более компактным и удобным для чтения. Вместо того, чтобы писать множество двоеточий, можно просто использовать многоточие, что делает код более лаконичным. Это особенно полезно при работе с массивами большой размерности, когда нужно обращаться к конкретным элементам вложенных списков.

# Пример использования Ellipsis в Numpy
import numpy as np

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

# Получение последнего вложенного списка
last_nested_list = array[..., -1]
print(last_nested_list)

В примере выше показано, как использовать оператор Ellipsis для получения последнего вложенного списка из многомерного массива в библиотеке Numpy. Это позволяет сделать код более читаемым и удобным для работы с многомерными массивами, особенно при работе с большими объемами данных.

Твои коллеги будут рады, поделись в

Автор урока

Дмитрий Комаровский
Дмитрий Комаровский

Автоматизация процессов
в КраснодарБанки.ру

Другие уроки курса "Python"

  1. Принципы программирования
  2. Работа с множествами в Python
  3. Настройка нарезки списков
  4. Метод __irshift__ для Python
  5. Работа с массивами в Python
  6. Оценка выражений генератора в Python
  7. Официальный канал Python в Telegram
  8. Поиск уникальных и повторяющихся элементов
  9. Измерение времени выполнения
  10. Создание объекта timedelta
  11. Генерация строк с .join()
  12. Константы в модуле cmath
  13. Сохранение Unicode в JSON
  14. Работа с collections.Counter
  15. Структуры данных в Python
  16. Обязательные аргументы в Python
  17. Метод title() в Python
  18. Оператор += для объединения строк
  19. Проверка строки на палиндром
  20. Операторы сравнения в Python
  21. Функции min(), max(), sum()
  22. Оптимизация строк в Python
  23. Форматирование строк в Python
  24. Метод enumerate() в Python
  25. Поиск уникальных элементов строкой в Python
  26. Создание и удаление объектов
  27. Руководство по библиотеке pydantic
  28. Импорт объектов из модулей
  29. Управление контекстом выполнения кода
  30. Определение наиболее частого элемента с помощью collections.Counter
  31. Экспорт данных в файл.
  32. Генераторы списков в Python
  33. Преобразование типов данных в set comprehension
  34. Работа с изменяемыми коллекциями
  35. Операторы объединения в Python 3.9
  36. Оператор «and» в Python
  37. Оператор is в Python
  38. Строковое представление объектов
  39. Поиск частых элементов в списке
  40. Объединение, распаковка и деструктуризация
  41. Дефолтные параметры в Python
  42. Работа со строками в Python
  43. Отступы в Python
  44. Создание словарей и множеств в Python.
  45. Аргументы *args и **kwargs
  46. Создание комплексных чисел
  47. Подробная информация о %pinfo

Marketello читают маркетологи из крутых компаний