Pengindeksan Array NumPy
Akses Elemen Array
Pengindeksan array sama dengan mengakses elemen array.
Anda dapat mengakses elemen array dengan mengacu pada nomor indeksnya.
Indeks dalam array NumPy dimulai dengan 0, artinya elemen pertama memiliki indeks 0, dan yang kedua memiliki indeks 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 larik berikut.
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[1])
Contoh
Dapatkan elemen ketiga dan keempat dari larik berikut dan tambahkan.
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[2] +
arr[3])
Akses Array 2-D
Untuk mengakses elemen dari array 2-D, kita dapat menggunakan bilangan bulat yang dipisahkan koma yang mewakili dimensi dan indeks elemen.
Pikirkan array 2-D seperti tabel dengan baris dan kolom, di mana baris mewakili dimensi dan indeks 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])
Akses Array 3-D
Untuk mengakses elemen dari array 3-D kita dapat menggunakan bilangan bulat yang dipisahkan koma yang mewakili dimensi dan indeks elemen.
Contoh
Akses elemen ketiga dari larik kedua dari larik 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
Pengindeksan Negatif
Gunakan pengindeksan negatif untuk mengakses larik dari akhir.
Contoh
Cetak elemen terakhir dari redup 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])