Как сделать из одномерного массива двумерный

Как преобразовать одномерный массив в двумерный?

ну скорее пользователем задается только количество столбцов. Если в исходном массиве 10 элементов, а пользователь задал 3 строки по 4 столбца, то элементов не хватает. Что делать тогда?

А вообще гугли numpy reshape

newfolder_js @newfolder_js Автор вопроса
нет по идее A[i] само по себе m*n то есть оно тоже зависит от пользователя
Решения вопроса 1

1.если так перебирать то создаться массив больший по размеру чем нужно
чтобы подряд добавлят элементы из массива, можно исползоват счётчик.
2. b[i][j]=. это присвоение значения элементу в уже созданном массиве. А его пока нет. Можно создат массив заранее с нужной размерностю и заполнит нулями но делать это нужно через цикл или генератор списков (вложенных списков) а не простым умножением элементов
x=[[0]*n]*m так как это будут ссылки на объект т.е. при изменении одного вложенного массива будет менятся и второй

A=[1, 2, 3, 4, 5, 6] n=2 m=3 c=0 B=[[0]*m for i in range (n)] for i in range (n): for j in range (m): B[i][j]=A[c] c+=1 print (B)

Ответ написан более года назад
Комментировать
Нравится 1 Комментировать
Ответы на вопрос 1

Ну. Код у тебя почти правильный.
Всё что тебе осталось — это найти формулу соответствия между индексами двухмерного массива r, c и индексом одномерного массива k.
Подсказка: значения k для массива размером 2 x 4.

k c=0 1 2 3 +--------- r=0 | 0 1 2 3 r=1 | 4 5 6 7

Как сделать из одномерного массива двумерный

Argument ‘Topic id’ is null or empty

Сейчас на форуме

© Николай Павлов, Planetaexcel, 2006-2023
info@planetaexcel.ru

Использование любых материалов сайта допускается строго с указанием прямой ссылки на источник, упоминанием названия сайта, имени автора и неизменности исходного текста и иллюстраций.

ООО «Планета Эксел» ИНН 7735603520 ОГРН 1147746834949

ИП Павлов Николай Владимирович ИНН 633015842586 ОГРНИП 310633031600071

Как преобразовать одномерный массив в дву-мерный

Вот для чего мне надо разбивать массив (Для уровня в игре) Я тупой помогите(

Отслеживать
задан 27 янв 2020 в 14:07
15 1 1 серебряный знак 4 4 бронзовых знака

самокритичненько. а чего просто циклом не пройдете? int [][] b = new int[3][3]; for (int i = 0; i < a.length; i++) b[i/3][i%3] = a[i];

27 янв 2020 в 14:46

Мне нужно чтобы числа были динамическими т.е x 2 — y 5 или x 13 — y 52. Я проверил он не работает на x 2 — y 5(

27 янв 2020 в 15:59

@ Akram динамически — это вы имеете в виду размер массива? в вашем примере массив 3*3 вот я его для примера и взял, но цикл то к размеру не привязан

27 янв 2020 в 16:15

Я там написал допустим, чтобы вы поняли что они не статические. Мне нужно чтобы оно работаро динамически типо x 6723 — y 2939 или x 1 — y 1

27 янв 2020 в 16:45

@ Akram так оно и работает динамически. создавайте целевой массив любого размера и запускайте с ним цикл

27 янв 2020 в 17:06

2 ответа 2

Сортировка: Сброс на вариант по умолчанию

Следует помнить, что привести в такой вид массив можно только тогда, когда из корня длины исходного массива получается целое число.

int[] matrix = ; double lengthInReal = Math.sqrt(matrix.length); if(lengthInReal % 1 != 0) < throw new IllegalStateException(); >int doubleMatrixLength = (int) lengthInReal; int[][] doubleMatrix = new int[doubleMatrixLength][doubleMatrixLength]; for(int f = 0; f < doubleMatrixLength; f++) < for(int s = 0; s < doubleMatrixLength; s++) < doubleMatrix[f][s] = matrix[f * doubleMatrixLength + s]; System.out.print(doubleMatrix[f][s] + " "); >System.out.println(); > 

Если имели ввиду то, что вы изначально сами должны задавать и размер ряда, и кол-во рядов, то имеет место следующее решение:

final int rowLength = 3; final int collumnLength = 5; int[] matrix = ; int doubleMatrixYLength = (int) Math.ceil((double) matrix.length / rowLength); int[][] doubleMatrix = new int[collumnLength][rowLength]; if(doubleMatrixYLength > collumnLength) < for(int f = 0; f < collumnLength; f++) < for(int s = 0; s < rowLength; s++) < doubleMatrix[f][s] = matrix[f * collumnLength + s]; >> > else < for(int f = 0; f < doubleMatrixYLength - 1; f++) < for(int s = 0; s < rowLength; s++) < doubleMatrix[f][s] = matrix[f * (doubleMatrixYLength - 1) + s]; >> int residueCount = matrix.length % rowLength; for(int s = 0; s < residueCount; s++) < doubleMatrix[doubleMatrixYLength - 1][s] = matrix[(doubleMatrixYLength - 1) * (doubleMatrixYLength - 1) + s]; >> 

for(int f = 0; f < collumnLength; f++) < for(int s = 0; s < rowLength; s++) < System.out.print(doubleMatrix[f][s] + " "); >System.out.println(); > 

Переформатирование, изменение формы — Python: Numpy-массивы

Часто разработчикам приходится изменять размеры массивов. Например, переформатировать исходные данные, чтобы разделить их на подмассивы. В некоторых случаях требуется еще и объединять многомерные данные в единый массив значений. Чтобы решать такие задачи, массивы numpy.ndarray предоставляют набор методов, самым популярным из которых является метод reshape() .

В этом уроке разберем, как работать с размерами массивов numpy.ndarray и как получать их производные. Еще поговорим об ограничениях размерности и узнаем, как они помогают оптимизировать работу.

Как изменить размер массива

Представим, что нам нужно увеличить размер массива numpy.ndarray . Для этого будем идти по следующим шагам:

1. Узнаем размер массива и индексы вдоль оси
2. Изменим размер массива

Рассмотрим каждый этап подробнее.

Как узнать размер массива и индексы вдоль оси

Чтобы изменить размер numpy.ndarray , нужно узнать его значение. Для этого используют атрибут shape :

import numpy as np one_dimension_array = np.array( [0,1,2,3,4,5,6,7,8,9,10,11] ) print(one_dimension_array.shape) # => (12,) two_dimensions_array = np.array( [ [0,1,2], [3,4,5], [6,7,8], [9,10,11] ] ) print(two_dimensions_array.shape) # => (4, 3) three_dimensions_array = np.array( [ [ [0,1], [2,3], ], [ [4,5], [6,7], ], [ [8,9], [10,11] ] ] ) print(three_dimensions_array.shape) # => (3, 2, 2) 

В примере выше атрибут shape возвращает кортеж целых чисел. Длина кортежа указывает на размерность массива:

• (12,) — одномерный массив
• (4, 3) — двумерный массив
• (3, 2, 2) — трехмерный массив

Числа в кортеже означают количество элементов по конкретной оси индексов:

• (12,) — 12 значений
• (4, 3) — четыре блока значений по три значения в каждом
• (3, 2, 2) — три блока значений, каждый из которых состоит из двух блоков по два значения

Название ось индексов отсылает к декартовой системе координат. Вспомним ее основные правила:

• Чтобы построить отрезок или другой одномерный объект, достаточно одной координатной оси
• Чтобы построить квадрат или другой двумерный объект, необходима координатная плоскость из двух перпендикулярных осей
• Чтобы построить куб или другой трехмерный объект, нужно три ортогональные оси координат

Теперь, когда мы знаем размер исходного массива, можно изменять его форму. Для этого используем метод reshape() .

Как изменить размер массива с помощью метода reshape()

В Python используется метод reshape() , с помощью которого можно получить двухмерный и трехмерный массив из одномерного. Этот обязательный параметр ожидает новый размер данных, к которому нужно переформатировать исходный массив.

Попробуем получить двумерный массив two_dimensions_array из одномерного массива one_dimension_array . Для этого используем метод reshape() с новым размером данных (4, 3) :

print(one_dimension_array.reshape((4, 3))) # => [[ 0 1 2] # [ 3 4 5] # [ 6 7 8] # [ 9 10 11]] 

Чтобы получить трехмерный массив three_dimensions_array , достаточно также указать нужный размер:

print(one_dimension_array.reshape((3, 2, 2))) # => [[[ 0 1] # [ 2 3]] # [[ 4 5] # [ 6 7]] # [[ 8 9] # [10 11]]] 

Изменять форму массива можно не только от данных меньшей размерности к данным большей размерности. Это можно делать и в обратную сторону.

Попробуем получить исходный одномерный массив one_dimension_array из двумерного массива two_dimensions_array :

print(two_dimensions_array.reshape((12,))) # => [ 0 1 2 3 4 5 6 7 8 9 10 11] 

А тут переформатируем three_dimensions_array в two_dimensions_array :

print(three_dimensions_array.reshape((4,3))) # => [[ 0 1 2] # [ 3 4 5] # [ 6 7 8] # [ 9 10 11]] 

Необязательно уменьшать размер последовательно. Например, можно из трехмерного массива получить сразу одномерный:

print(three_dimensions_array.reshape((12,))) # => [ 0 1 2 3 4 5 6 7 8 9 10 11] 

С помощью атрибута shape можно узнать размерность массива numpy.ndarray . А метод reshape поможет ее уменьшить или увеличить. Однако у этого массива есть ограничения по размеру данных — его нужно соблюдать, чтобы оптимизировать выполнения методов над массивами.

Какие размеры массива допустимы

У массива numpy.ndarray есть ограничения по размеру данных — по осям индексов должны быть данные одного размера. Это ограничение позволяет оптимизировать выполнения методов над массивами. Рассмотрим на примере.

Допустим, нам нужно сконвертировать список из списков длиной три и два:

np.array( [ [0,1,2], [3,4,], ] ) # => [list([0, 1, 2]) list([3, 4])] 

На первый взгляд у нас получился массив numpy.ndarray . Но если внимательно посмотреть на элементы, мы увидим, что получились списки, а не ожидаемые целочисленные массивы. Это ограничит дальнейшую работу с данными, потому что поведение многих методов меняется.

Попробуем найти в данном массиве максимальный элемент 4 . Это приведет к такому результату:

print(np.array( [ [0,1,2], [3,4,], ] ).max()) # => [3, 4] 

В этом примере мы получили не тот результат, которого ожидали.

Numpy старается предотвращать некорректные действия — для этого в нем есть система предупреждений и подсказок. Но это не значит, что не нужно следить за размером массива. Он играет важную роль в реализации методов библиотеки Numpy, поэтому рекомендуем обращать внимание на этот момент.

В случае с методом reshape() Numpy вообще не дает совершить некорректную конвертацию массива из 12 элементов в массив из 15 элементов — три блока по пять значений. В этом случае он вызывает исключение:

one_dimension_array.reshape(3,5) # => ValueError: cannot reshape array of size 12 into shape (3,5) 

Ограничения по размеру могут добавить неудобств, когда мы увеличиваем или уменьшаем размерность массива. При этом они позволяют не указывать некоторые значения размера, когда мы хотим его изменить.

Как сделать автоматический расчет размера массива

Ограничения на размер массива позволяют не указывать некоторые размеры в методе reshape() . Это можно оставить на автоматический расчет. Для этого нужное значение размерности поменяем на -1 :

print(one_dimension_array.reshape((4,3))) print(one_dimension_array.reshape(((4, -1)))) print(one_dimension_array.reshape(((-1, 3)))) # => [[ 0 1 2] # [ 3 4 5] # [ 6 7 8] # [ 9 10 11]] 

Все преобразования в примере выше дают одинаковый результат. Необходимый размер рассчитывается автоматически, исходя из количества элементов.

Для массивов большей размерности это работает по такому же принципу:

print(one_dimension_array.reshape((3, 2, 2))) print(one_dimension_array.reshape((-1, 2, 2))) print(one_dimension_array.reshape((3, -1, 2))) print(one_dimension_array.reshape((3, 2, -1))) # => [[[ 0 1] # [ 2 3]] # [[ 4 5] # [ 6 7]] # [[ 8 9] # [10 11]]] 

Чтобы получить одномерный массив и использовать автоматический расчет, не нужно находить количество элементов. Строки в примере ниже дают одинаковый результат:

print(three_dimensions_array.reshape((12,))) print(three_dimensions_array.reshape((-1,))) # => [ 0 1 2 3 4 5 6 7 8 9 10 11] 

Теперь вы знаете, как определять размерность массива. Вы умеете изменять размер и рассчитывать его автоматически. Чтобы закрепить знания на практике, рассмотрим еще один пример.

Как размер массива меняется на практике

Изменение формы массива помогает подготовить исходные данные — после такой обработки их будет удобнее анализировать и преобразовывать.

Представим сервис платформы продаж, который логирует данные по сетевым магазинам в конце рабочего дня в определенном порядке. Аналитики выгрузили данные из закрытого контура платформы. Так они получили 24 значения недельных продаж сети:

orders = [7, 1, 7, 8, 4, 2, 4, 5, 3, 5, 2, 3, 8, 12, 8, 7, 15, 11, 13, 9, 21, 18, 17, 21, 25, 16, 25, 17,] shops_number = 4 orders_matrix = np.array(orders) orders_matrix = orders_matrix.reshape(-1, shops_number) print(orders_matrix) # => [[ 7 1 7 8] # [ 4 2 4 5] # [ 3 5 2 3] # [ 8 12 8 7] # [15 11 13 9] # [21 18 17 21] # [25 16 25 17]] print(orders_matrix.shape) # => (7, 4) 

Полученный массив данных можно визуализировать в виде такой таблицы:

День	Магазин №1	Магазин №2	Магазин №3	Магазин №4
0	7	1	7	8
1	4	2	4	5
2	3	5	2	3
3	8	12	8	7
4	15	11	13	9
5	21	18	17	21
6	25	16	25	17

Выводы

Метод shape — важный атрибут для структурного описания массива numpy.ndarray . Он помогает узнать размер вдоль каждой оси.

Открыть доступ

Курсы программирования для новичков и опытных разработчиков. Начните обучение бесплатно

• 130 курсов, 2000+ часов теории
• 1000 практических заданий в браузере
• 360 000 студентов

Наши выпускники работают в компаниях: