import numpy as np
A=np.ones((2,3,4),dtype=int)
B=np.zeros((2,3,4),dtype=int)
#Data_xpol_1 = Data_xpol[0,:,:] – Data_co[0,:,:]
#Data_xpol Data_co長度為(2,6,101)
C=A[0,:,:] – B[0,:,:]
print(“A:”,A)
print(type(A))
print(len(A))
print(“B:”,B)
print(type(B))
print(len(B))
print(“C:”,C)
print(type(C))
print(len(C))

A,B是三維陣列
C=A[0,:,:] – B[0,:,:]
C的第一個維度消失了
降為2維陣列
import numpy as np
A=np.ones((2,3,4),dtype=int)
B=np.zeros((2,3,4),dtype=int)
A0=[ [1,2,3,4],\
[5,6,7,8], \
[9,10,11,12] ]
A1=[ [5,6,7,8],\
[5,6,7,8], \
[5,6,7,8] ]
A[0] = A0
A[1] = A1
“””
#Data_xpol_1 =
Data_xpol[0,:,:] – Data_co[0,:,:]
#Data_xpol Data_co長度為(2,6,101)
“””
C=A[0,:,:] – B[0,:,:]
print(“A:”,A)
print(type(A))
print(len(A))
print(“B:”,B)
print(type(B))
print(len(B))
print(“C:”,C)
print(type(C))
print(len(C))

A,B都有兩個3×4的2D陣列
index為0,1
C=A[0,:,:] – B[0,:,:]
效果為A[0]-B[0]
A[0] B[0]都是3×4的2D array
直接寫C=A[0] – B[0]
比較快又易懂
C=A[0,:,:] – B[0,:,:]
這樣寫的原因
可能是要讓viewer知道
A, B是3D array






![Python: pandas.DataFrame (df) 的取值: df [單一字串] 或df [list_of_strings] 選取一個或多個columns; df [切片] 或 df [bool_Series] 選取多個rows #bool_Series長度同rows, index也需要同df.index ,可以使用.equals() 確認: df.index.equals(mask.index) Python: pandas.DataFrame (df) 的取值: df [單一字串] 或df [list_of_strings] 選取一個或多個columns; df [切片] 或 df [bool_Series] 選取多個rows #bool_Series長度同rows, index也需要同df.index ,可以使用.equals() 確認: df.index.equals(mask.index)](https://i0.wp.com/savingking.com.tw/wp-content/uploads/2025/04/20250420212553_0_6fb2c3.png?quality=90&zoom=2&ssl=1&resize=350%2C233)
![Python: 如何使用pandas.to_numeric ( df[‘numbers’], errors=’coerce’) 將非數值型資料轉為NaN? df[‘numbers’].describe() 簡述統計資料 Python: 如何使用pandas.to_numeric ( df[‘numbers’], errors=’coerce’) 將非數值型資料轉為NaN? df[‘numbers’].describe() 簡述統計資料](https://i0.wp.com/savingking.com.tw/wp-content/uploads/2024/05/20240501052102_0.png?quality=90&zoom=2&ssl=1&resize=350%2C233)



近期留言