Trong hướng dẫn này, chúng tôi sẽ xem xét cách đếm số 0 trong một mảng numpy. Chúng tôi cũng sẽ xem xét cách đếm số 0 có mặt trong mỗi hàng và mỗi cột của một mảng 2D.
Bạn có thể sử dụng các hàm
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]5 hoặc
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]6 để đếm số 0 trong một mảng numpy. Trên thực tế, bạn có thể sử dụng các chức năng này để đếm các giá trị thỏa mãn mọi điều kiện đã cho [ví dụ: dù chúng bằng không hay không, hoặc liệu chúng có lớn hơn một số giá trị hay không, v.v.].
Lưu ý rằng sử dụng
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]5 đơn giản hơn trong hai phương thức. Sau đây là cú pháp để đếm số 0 bằng cách sử dụng hàm này -
# arr is a numpy array # count of zeros in arr n_zeros = np.count_nonzero[arr==0]
Hãy cùng xem xét một số ví dụ về cách sử dụng các chức năng trên. Đầu tiên, chúng tôi sẽ tạo ra một vài mảng numpy mà chúng tôi sẽ sử dụng trong suốt hướng dẫn này.
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]
Output:
[3 0 5 2 1 0 8 6] [[4 3 0] [0 0 2] [2 5 6]]
Bây giờ chúng ta có một mảng một chiều và một mảng hai chiều mà chúng ta sẽ đếm các số không.
Đếm tất cả các số không trong mảng
Để đếm tất cả các số không trong một mảng, chỉ cần sử dụng chức năng
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]5 kiểm tra số không. Nó trả về số lượng của các phần tử bên trong mảng thỏa mãn điều kiện [trong trường hợp này, nếu nó không có hoặc không].
Hãy để sử dụng chức năng này để đếm số 0 trong
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]9 được tạo ở trên:
# count zeros in 1d array n_zeros = np.count_nonzero[arr_1d==0] # display the count of zeros print[n_zeros]
Output:
2
Chúng tôi nhận được 2 làm đầu ra vì có hai phần tử bằng 0 trong mảng 1D
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]9.
Bạn cũng có thể sử dụng cùng một cú pháp để đếm số 0 trong các mảng chiều cao hơn. Hãy để đếm số số 0 trong
[3 0 5 2 1 0 8 6] [[4 3 0] [0 0 2] [2 5 6]]1 bằng cách sử dụng
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]5
# count zeros in 2d array n_zeros = np.count_nonzero[arr_2d==0] # display the count of zeros print[n_zeros]
Output:
3
Chúng tôi nhận được 3 làm đầu ra vì có ba phần tử giá trị bằng không trong mảng
[3 0 5 2 1 0 8 6] [[4 3 0] [0 0 2] [2 5 6]]1.
Số lượng số không trong mỗi hàng
Để đếm số 0 trong mỗi hàng, hãy chuyển
[3 0 5 2 1 0 8 6] [[4 3 0] [0 0 2] [2 5 6]]4 đến hàm
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]5. Hãy để số đếm số không trong mỗi hàng của
[3 0 5 2 1 0 8 6] [[4 3 0] [0 0 2] [2 5 6]]1
# count zeros in each row n_zeros = np.count_nonzero[arr_2d==0, axis=1] # display the count of zeros print[n_zeros]
Output:
[1 2 0]
Nó trả về một mảng vô âm của số lượng số không trong mỗi hàng. Bạn có thể thấy rằng chúng ta có một phần tử bằng không trong hàng đầu tiên, hai ở hàng thứ hai và không có phần tử nào như vậy trong hàng thứ ba.
Đếm số không trong mỗi cột
Để đếm số 0 trong mỗi cột, chuyển
[3 0 5 2 1 0 8 6] [[4 3 0] [0 0 2] [2 5 6]]7 đến hàm
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]5. Hãy để đếm số 0 trong mỗi cột của
[3 0 5 2 1 0 8 6] [[4 3 0] [0 0 2] [2 5 6]]1
# count zeros in each column n_zeros = np.count_nonzero[arr_2d==0, axis=0] # display the count of zeros print[n_zeros]
Output:
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]0
Chúng tôi có một phần tử bằng không trong mỗi cột của mảng
[3 0 5 2 1 0 8 6] [[4 3 0] [0 0 2] [2 5 6]]1.
Để biết thêm về chức năng
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]5, hãy tham khảo tài liệu của nó.
Sử dụng import numpy as np
# one-dimensional array
arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]]
print[arr_1d]
# two-dimensional array
arr_2d = np.array[[[4, 3, 0],
[0, 0, 2],
[2, 5, 6]]]
print[arr_2d]
6 để đếm số không trong một mảng
Ngoài ra, bạn có thể sử dụng
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]6 để đếm số 0 trong một mảng.
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]6 thường được sử dụng để tìm các chỉ mục của các yếu tố thỏa mãn điều kiện trong một mảng numpy.
Bạn có thể sử dụng chức năng này để tìm các chỉ mục của các phần tử có giá trị bằng không trong mảng và sau đó đếm chúng để lấy số lượng số không trong mảng. Hãy để đếm số 0 trong mảng
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]9 bằng phương pháp này:
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]1
Output:
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]2
Bạn có thể thấy rằng
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]6 dẫn đến một mảng numpy hiển thị các chỉ mục thỏa mãn điều kiện. Chúng tôi thấy rằng các số không có mặt tại INDEX 1 và 5 trong mảng
# count zeros in 1d array n_zeros = np.count_nonzero[arr_1d==0] # display the count of zeros print[n_zeros]7. Để có được số lượng, chúng tôi sử dụng thuộc tính
# count zeros in 1d array n_zeros = np.count_nonzero[arr_1d==0] # display the count of zeros print[n_zeros]8 của mảng chỉ mục này.
Bạn cũng có thể sử dụng
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]6 để đếm số 0 trong các mảng chiều cao hơn. Ví dụ: hãy để sử dụng nó để đếm số 0 trong
[3 0 5 2 1 0 8 6] [[4 3 0] [0 0 2] [2 5 6]]1
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]3
Output:
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]4
Giá trị được trả về từ
import numpy as np # one-dimensional array arr_1d = np.array[[3, 0, 5, 2, 1, 0, 8, 6]] print[arr_1d] # two-dimensional array arr_2d = np.array[[[4, 3, 0], [0, 0, 2], [2, 5, 6]]] print[arr_2d]6 là một bộ của hai mảng, giá trị đầu tiên hiển thị các chỉ mục hàng của các phần tử phù hợp với điều kiện [phần tử bằng 0] và mảng thứ hai cho các chỉ mục cột cho các phần tử đó. Đếm các chỉ mục trong bất kỳ mảng nào trong số này cung cấp số lượng số không trong mảng.
Với điều này, chúng tôi đi đến cuối hướng dẫn này. Các ví dụ và kết quả mã được trình bày trong hướng dẫn này đã được triển khai trong A & nbsp; Jupyter Notebook & NBSP; với hạt nhân Python [phiên bản 3.8.3] có phiên bản Numpy 1.18.5
Đăng ký nhận bản tin của chúng tôi để biết thêm hướng dẫn và hướng dẫn thông tin. Chúng tôi không spam và bạn có thể từ chối bất cứ lúc nào.
We do not spam and you can opt out any time.
Hướng dẫn về mảng Numpy -
- Làm thế nào để sắp xếp một mảng numpy?
- Tạo gấu trúc DataFrame từ một mảng numpy
- Những cách khác nhau để tạo ra các mảng numpy
- Chuyển đổi mảng numpy thành một danh sách - với các ví dụ
- Nối các giá trị vào một mảng numpy
- Tìm chỉ số phần tử trong mảng numpy
- Đọc tệp csv dưới dạng mảng numpy
- Lọc một mảng numpy - với các ví dụ
- Python - chọn ngẫu nhiên giá trị từ danh sách
- Numpy - tổng các giá trị trong mảng
- Numpy - tổng phần tử của hai mảng
- Numpy - Sự nhân phần của hai mảng
- Sử dụng phương thức Numpy Linspace []
- Sử dụng Numpy Vstack [] để xếp các mảng theo chiều dọc
- Không gian logspace [] - sử dụng và ví dụ
- Sử dụng phương thức arange [] numpy
- Sử dụng numpy hstack [] vào các mảng ngăn xếp theo chiều ngang
- Trim Zeros từ một mảng numpy trong Python
- Nhận các giá trị duy nhất và tính trong một mảng numpy
- Mảng numpy phân chia theo chiều ngang với hsplit []
Piyush là một nhà khoa học dữ liệu đam mê sử dụng dữ liệu để hiểu mọi thứ tốt hơn và đưa ra quyết định sáng suốt. Trong quá khứ, anh ta làm việc như một nhà khoa học dữ liệu cho ZS và có bằng kỹ sư từ IIT Roorkee. Sở thích của anh ấy bao gồm xem cricket, đọc sách và làm việc trên các dự án phụ.
Xem tất cả các bài viết