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: 如何判斷字符串內容是否為數字(整數或浮點數)? isinstance( eval( entry.get() ), (float, int) ) ; str.isdigit() #不包括小數點和負號 ; try~ except ValueError~ ; 正則表示法 regular expression ; pattern = ‘^[-+]?[0-9]*\.?[0-9]+([eE][-+]?[0-9]+)?$’ Python: 如何判斷字符串內容是否為數字(整數或浮點數)? isinstance( eval( entry.get() ), (float, int) ) ; str.isdigit() #不包括小數點和負號 ; try~ except ValueError~ ; 正則表示法 regular expression ; pattern = ‘^[-+]?[0-9]*\.?[0-9]+([eE][-+]?[0-9]+)?$’](https://i2.wp.com/savingking.com.tw/wp-content/uploads/2023/05/20230512152430_3.png?quality=90&zoom=2&ssl=1&resize=350%2C233)


![Python 如何做excel的樞紐分析? pandas.pivot_table() 或 pandas.DataFrame .groupby() ; 如何指定欄位順序? DataFrame.reindex() ; .sortlevel() ; DataFrame[[col1, col2, col3 ]] ; df.columns.map() ; 如何顯示所有欄? pandas.set_option (“display.max_columns”, None) Python 如何做excel的樞紐分析? pandas.pivot_table() 或 pandas.DataFrame .groupby() ; 如何指定欄位順序? DataFrame.reindex() ; .sortlevel() ; DataFrame[[col1, col2, col3 ]] ; df.columns.map() ; 如何顯示所有欄? pandas.set_option (“display.max_columns”, None)](https://i1.wp.com/savingking.com.tw/wp-content/uploads/2023/03/20230323101848_80.png?quality=90&zoom=2&ssl=1&resize=350%2C233)


![Python Pandas GroupBy 的 size 陷阱:為什麼你的計數結果總是不對?如何計算重複次數? duplicates = df.duplicated( subset = [‘name’] ) Python Pandas GroupBy 的 size 陷阱:為什麼你的計數結果總是不對?如何計算重複次數? duplicates = df.duplicated( subset = [‘name’] )](https://i0.wp.com/savingking.com.tw/wp-content/uploads/2025/06/20250609143758_0_53821c.png?quality=90&zoom=2&ssl=1&resize=350%2C233)

近期留言