مثال: در مثال زیر به اولین عنصر آرایه دسترسی پیدا کرده ایم.
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[0])
همانطور که می بینید با نوشتن شماره ایندکس 0 درون جفت کورشه، به اولین عنصر آرایه دسترسی پیدا کرده ایم.
مثال: در مثال زیر به دومین عنصر آرایه دسترسی پیدا کرده ایم.
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[1])
باز همانطور که می بینید با نوشتن شماره ایندکس 1 درون جفت کورشه، به دومین عنصر آرایه دسترسی پیدا کرده ایم.
مثال: در زیر عنصر سوم و چهارم آرایه را به دست آورده ایم و آن ها را با هم جمع کرده ایم.
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[2] + arr[3])
دسترسی به آرایه های دو بعدی
برای دسترسی به عناصر آرایه های دو بعدی، می توان از اعداد صحیح جدا شده با کاما استفاده کرد که در آن عدد اول نمایانگر بعد اول و عدد دوم نمایانگر بعد دوم آرایه دو بعدی است.
مثال: در زیر به عنصر دوم از بعد اول آرایه دو بعدی دسترسی پیدا کرده ایم.
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('2nd element on 1st dim: ', arr[0, 1])
مثال: در زیر به عنصر پنجم از بعد دوم آرایه دو بعدی دسترسی پیدا کرده ایم.
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('5th element on 2nd dim: ', arr[1, 4])
دسترسی به آرایه های سه بعدی
برای دسترسی به عناصر آرایه های سه بعدی، می توان از اعداد صحیح جدا شده با کاما استفاده کرد که در آن عدد اول نمایانگر بعد اول، عدد دوم نمایانگر بعد دوم و عدد سوم نمایانگر بعد سوم آرایه سه بعدی است.
مثال: در زیر به عنصر سوم از بعد دوم بعد اول، دسترسی پیدا کردهایم.
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
print(arr[0, 1, 2])
خب در مثال بالا داستان به چه شکل است؟
Arr[0, 1, 2] = مقدار عددی 6
چرا عدد 6 را برای ما برگرداند؟
در مثال بالا 3 عدد صحیح با کاما از هم جدا شده است، عدد اول نشان دهنده بعد اول است که شامل دو آرایه است، که به شکل زیر است:
[[1, 2, 3], [4, 5, 6]] و [[7, 8, 9], [10, 11, 12]]
از آن جا که مقدار اول عدد 0 است، پس اولین آرایه برای ما انتخاب می شود، که به شکل زیر است:
[[1, 2, 3], [4, 5, 6]]
عدد دوم نشان دهنده بعد دوم است که شامل دو آرایه است، که به شکل زیر است:
[1, 2, 3] و [4, 5, 6]
از آن جا که مقدار دوم عدد 1 است پس اشاره به آرایه دوم دارد و آن را برای ما انتخاب می کند، که به شکل زیر است:
[4, 5, 6]
عدد دوم نشان دهنده بعد سوم است که شامل سه مقدار است، که شامل مقادیر زیر است:
4 و 5 و 6
از آن جا که مقدار سوم عدد 2 است پس به مقدار سوم اشاره می کند، یعنی همان مقدار 6.
ایندکس گذاری منفی
اگر از اعداد منفی در ایندکس گذاری استفاده کنید دسترسی به آرایه از انتهای آرایه امکان پذیر است.
مثال: در زیر به آخرین عنصر بعد دوم آرایه دو بعدی دسترسی پیدا کرده ایم.
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])
در مثال بالا چون بعد دوم را مقدار 1- داده است، آرایه دوم را از آخر بررسی می کند و آخرین عنصر را برمی گرداند.
