Menggunakan numpy.copy[] untuk menyalin array Python NumPy [ndarray] ke array lain. Metode ini mengambil larik yang ingin Anda salin sebagai argumen dan mengembalikan salinan larik dari objek yang diberikan. Salinan memiliki data dan setiap perubahan yang dibuat pada salinan tidak akan memengaruhi larik asli. Atau, Anda juga dapat mencoba ndarray.copy[].
Pada artikel ini, saya akan menjelaskan beberapa cara bagaimana menyalin salinan array Numpy dengan contoh menggunakan fungsi seperti: numpy.copy[], numpy.empty_like[]dan operator penugasan.
- 1. Contoh Cepat dari Python NumPy Array Copy
- 2. Gunakan Fungsi NumPy.copy[]
- 2.1 copy[] Sintaks
- 2.2 NumPy Array copy[] Contoh
- 3. Salin Array Multi-Dimensi
- 4. Gunakan Operator Tugas
- 5. Gunakan Fungsi NumPy.empty_like[]
- 6. Salin one_like[], zeros_like[], full_like[]
- 7. Kesimpulan
- Anda Mungkin Juga Menyukai
- Referensi
1. Contoh Cepat dari Python NumPy Array Copy
Jika Anda sedang terburu-buru, di bawah ini adalah beberapa contoh cepat tentang cara mendapatkan salinan array Python NumPy.
# Below are a quick example # Example 1: Use numpy.copy[] function copy_array = np.copy[array] # Example 2: Using numpy.array[] copy_array = np.array[array, copy=True] # Example 3: Copy a multi-dimensional numpy array array = np.array[[[12,18,44],[66,37,89],[31,47,88]]] copy_array = np.copy[array] # Example 4: using Assignment operator # Updating copied array updates original array org_array = np.array[[[58, 34, 28],[44, 88, 28]]] copy_array = org_array # Example 5: Creating an empty Numpy array copy1 = np.empty_like[array] copy1[:] = array # Example 6: Use copy ones_like[] arr2 = np.ones_like[array] print[arr2] # Example 7: Use copy zeros_like[] arr2 = np.zeros_like[array] print[arr2] # Example 8: Use copy full_lice[] arr2 = np.full_like[array, 2] print[arr2]
2. Gunakan Fungsi NumPy.copy[]
Dengan menggunakan numpy.copy[] Anda dapat membuat salinan array dari objek yang diberikan. Dalam contoh di bawah ini, array Numpy yang diberikan ‘array‘ disalin ke array lain ‘copy_array‘ menggunakan copy[].
2.1 copy[] Sintaks
Berikut ini adalah sintaks dari fungsi numpy.copy[].
# Use python numpy.copy[] syntax numpy.copy[arr, order="K", subok=False]
- arr – Masukkan data larik
- order – Mengontrol tata letak memori salinan. ‘C’ C-order, ‘F’ F-order, ‘A’ ‘F’ jika a adalah Fortran bersebelahan, ‘C’ sebaliknya. Secara default, dibutuhkan ‘K’ dan itu mewakili tata letak array.
- subok – Jika Benar, maka sub-kelas akan dilewati, jika tidak, array yang dikembalikan akan dipaksa menjadi array kelas dasar. Ini adalah parameter opsional dan secara default, dibutuhkan nilai ‘False’.
2.2 NumPy Array copy[] Contoh
import numpy as np
# Creating a numpy array using numpy.array[]
array = np.array[[4.54, 6.99, 8.42, 10.87, 16.94,
18.21, 22.65, 25.50, 31.5]]
print["Original array: "]
print[array]
# Use numpy.copy[] function
copy_array = np.copy[array]
print["nCopied array: "]
print[copy_array]
Hasil di bawah output.
Original array: [ 4.54 6.99 8.42 10.87 16.94 18.21 22.65 25.5 31.5 ] Copied array: [ 4.54 6.99 8.42 10.87 16.94 18.21 22.65 25.5 31.5 ]
Catatan: Saat Anda menggunakan copy[], itu menyalin elemen dari array input ke array lain karenanya, jika Anda memodifikasi array asli, perubahan tidak akan tercermin pada array yang disalin. Jika Anda menggunakan operator penugasan untuk menyalin maka nilai pada kedua array akan diperbarui.
3. Salin Array Multi-Dimensi
Mari kita lihat contoh lain dari fungsi copy[] untuk menyalin array NumPy multi-dimensi. Contoh di bawah ini menunjukkan penyalinan array tiga dimensi.
import numpy as np # Creating a 3-D numpy array using np.array[] array = np.array[[[12,18,44], [66,37,89],[31,47,88]]] print["Original array: "] print[array] # using numpy.copy[] function copy_array = np.copy[array] print["nCopied array: "] print[copy_array]
Hasil di bawah output.
Original array: [[12 18 44] [66 37 89] [31 47 88]] Copied array: [[12 18 44] [66 37 89] [31 47 88]]
4. Gunakan Operator Tugas
Jika Anda ingin menduplikasi array ke variabel lain, gunakan operator penugasan untuk menyalin. Saat Anda menggunakan pendekatan ini, mengubah nilai satu larik akan mencerminkan perubahan pada larik lain.
import numpy as np
# Use numpy.array[] to Create a 2-D Numpy array
org_array = np.array[[[58, 34, 28],
[44, 88, 28]]]
# using Assignment operator
copy_array = org_array
# Let's change the value.
org_array[1, 2] = 77
print['Original Array: n', org_array]
# printing copied array
print['nCopied Array: n', copy_array]
Hasil di bawah output.
Original Array: [[58 34 28] [44 88 77]] Copied Array: [[58 34 28] [44 88 77]]
5. Gunakan Fungsi NumPy.empty_like[]
Menggunakan numpy.empty_like[] untuk mengembalikan array baru dengan bentuk dan tipe yang sama dengan array yang diberikan. Fungsi ini mengembalikan data yang tidak diinisialisasi [sewenang-wenang] dengan bentuk dan tipe yang sama seperti a prototipe. Karena tidak menginisialisasi nilai, Anda perlu menetapkan nilai untuk membuat salinan.
import numpy as np # Using np.array[] to Creating a numpy array array = np.array[[0,3,5,7,9,11,13,15,17,19]] print["Original array: "] print[array] # Creating an empty Numpy array similar to ary copy1 = np.empty_like[array] # Now assign array to copy copy1[:] = array print["nCopy of the given array: "] print[copy1]
Hasil di bawah output.
Original array: [ 0 3 5 7 9 11 13 15 17 19] Copy of the given array: [ 0 3 5 7 9 11 13 15 17 19]
6. Salin one_like[], zeros_like[], full_like[]
ones_like[] – Mengembalikan array dengan bentuk dan tipe yang sama tetapi diisi dengan nilai satu.
import numpy as np # Creating a numpy array using numpy.array[] array = np.array[[0,3,5,7,9,11,13,15,17,19]] # Use copy ones_like[] arr2 = np.ones_like[array] print[arr2] # OutPut [1 1 1 1 1 1 1 1 1 1]
zeros_like[] – Mengembalikan array dengan bentuk dan tipe yang sama tetapi diisi dengan nilai nol.
# Use copy zeros_like[] arr2 = np.zeros_like[array] print[arr2] # OutPut [0 0 0 0 0 0 0 0 0 0]
full_like[] – Mengembalikan array dengan bentuk dan tipe yang sama tetapi diisi dengan nilai yang ditentukan.
# Use copy full_lice[] arr2 = np.full_like[array, 2] print[arr2] # OutPut [2 2 2 2 2 2 2 2 2 2]
7. Kesimpulan
Pada artikel ini, saya telah menjelaskan cara membuat salinan array NumPy menggunakan numpy.copy[] contoh dan juga rahasia apa yang terjadi ketika Anda memperbarui array yang disalin atau asli.
Selamat Belajar!!