Python中的3D数组

3D 数组简介

在基础编程语言中，数组被认为是基本的数据结构，它们的功能包括组织和操作大量数值和逻辑变量。此外，一维数组是列表，二维数组包含作为网格或矩阵的数据。很可能，3D 数组通过添加第三个维度来表示三维形状或体积。通过其处理多维数组（如三维数组）的能力，该语言提供了广泛的活跃库和原生功能，这对开发人员构成了挑战。

理解 3D 数组

在深入探讨 Python 中 3D 数组的详细工作原理之前，正确理解数组作为起点同样重要。3D 数组更像是……当我们更具体地命名它时。它是一个三维数组，可以看作是数组的数组。放置在其中的原子元素反映了元素周期表的行和列；每一层都是各种层级的集合。理论上，三维数组可以与排列起来构建类似立方体的二维数组进行比较。

Python 中 3D 数组的声明和初始化

Python 有多种方法可以定义 3D 数组并为其元素分配初始值。人性化的可视化方案可以包括连接部署数据特征，并最终形成梦之队。以下是如何使用嵌套列表声明和初始化简单 3D 数组的方法：这是如何使用三维列表在 Python 中创建和初始化简单的三维数组的方法。

访问 3D 数组中的元素

在 3D 数组操作中，可以通过索引技术访问元素。

您需要处理的最后一个操作是访问数组的元素。元素访问是一种更复杂的机制，需要跨所有维度进行直线、连续的遍历。循环和列表推导式的嵌套展示了 Python 编程技能如何实现这一点。考虑以下示例，其中我们访问并打印先前初始化的 3D 数组的所有元素：考虑这个示例，其中引用了数组，并使用命令提取元素。

输出

1 2 3 
4 5 6 
7 8 9 

10 11 12 
13 14 15 
16 17 18 

19 20 21 
22 23 24 
25 26 27

说明

• 3D 数组 'array_3d' 是通过 Python 中的嵌套列表结构初始化的，该结构表现出 3D 数组的行为。
• 此外，('array_3d') 中的每个项目都是一个列表数组，表示 3D 数组的第三个维度。
• 每个层级由许多列表组成，每个列表代表该范围内的某一行。
• 在每一行中，数据将被分解成组成元素，这些元素是 3D 数组的组成部分。
• 代码在嵌套循环遍历 3D 数组的层、行和组成部分的循环中。
• 前两个循环读取 'array_3d' 层中的空间错误。
• 在每一层中，我们发现另一个循环来处理行。
• 在各个元素中，第三个循环遍历构成整行的所有对象。
• 'print()' 函数打印数组中的每个元素。这是通过 end= '' 完成的，以便所有元素都水平显示。
• print() 语句在行中打印此行的所有元素，然后另一个 print() 将其打印到新行。
• 一个超出所有循环的新的 'print()' 被涉及，以便可以使用空行来分隔不同的层，以提高可读性。

操作 3D 数组

Python 解释器提供了各种数组操作例程，可以更改数组的形状、切片并应用数学运算。让我们探讨其中一些技术。

1. 重塑 3D 数组

另一方面，调整大小是指更改现有 3D 数组的大小。NumPy 库是 Python 中增长最快、功能最强大的数值计算库，它提供了 'reshape()' 函数来执行此类任务。下面是一个演示如何重塑 3D 数组的示例。

代码

输出

[[ 1  2  3  4  5  6  7  8  9]
 [10 11 12 13 14 15 16 17 18]
 [19 20 21 22 23 24 25 26 27]]

说明

• 该程序开始导入 NumPy 库并为其分配一个简短的名称 np。
• 定义并使用嵌套列表初始化了一个名为 'array_3d' 的三维数组。
• 每个嵌套的列表是 3D 数组中的一个级别。
• 每个层级又包含一个 3x3 矩阵。
• NumPy 模块中的 'np.array()' 函数将嵌套列表转换为 NumPy 数组 array_3d_np。
• 'np.reshape()' 用于将 3D 数组重塑为 ('3, 9') 维度的 2D 数组。
• 这样，重塑后的数组将具有 3 行 9 列。
• 这样，存储在变量 'reshaped_array' 中的生成的 2D 数组将被创建。
• 最后，打印 'reshaped_array' 以显示重塑后的数组。

2. 3D 数组上的切片操作

切片是一种工具，可让您提取满足特定标准的数组的特定索引。Python 程序以更简洁高效的方式生成切片语法和子数组的提取。以下是如何在 3D 数组上执行切片操作的示例。

代码

输出

[[[13, 14, 15]], [[22, 23, 24]]]

说明

• 因此，经过修改的代码使用列表推导式遍历 3D 数组 (array_3d) 中的每个层级。
• 对于每个层级，它首先切片前两行 ([0:2])，然后切片第二个列 ([1:])。
• 执行切片操作以获取我们选择的子数组。
• 最后，显示子数组。

常见应用

1. 计算机图形学：在 3D 图形中，数据数组由 3D 数组计算，这些数组有助于建模和渲染三维对象和场景。为此，语音的整个装配对应于三维空间中的特定体素或点。这至关重要，因为它构成了游戏、VR、模拟和动画中照片级真实感 3D 图像的基础。
2. 医学成像：在医学成像中，3D 数组存储并处理从计算机断层扫描 (CT)、磁共振成像 (MRI) 和超声成像等过程获得的三维数据。这表明了上述医学应用的数组，例如三维超声可视化和器官及组织的分析。此过程开发了诊断、治疗策略和手术模拟。
3. 科学计算：在科学计算中，3D 数组充当各种类型空间数据的各种类型信息的容器。这些数据可以在模拟或实验中生成，也可以从现实世界的观测中获得。它们在物理学、化学、地质学和环境科学中受到高度重视，例如，在模拟复杂过程、处理数据和可视化输出时。例如，一个人可以产生类似于动画流体运动、模拟地质构造或研究分子结构的模拟。
4. 图像处理：在 3D 成像中，数据集被表示为数据体积中堆叠的 2D 图像序列。这些数据由共聚焦显微镜、磁共振成像 (MRI) 或计算机断层扫描 (CT) 生成。它们允许执行更复杂的操作，如滤波、分割、配准和特征提取，使我们能够诊断疾病、进行科学研究和可靠地检查工业设备。
5. 地理信息系统 (GIS)：在 3D 数组应用程序中，地理信息系统利用地形高程数据、获取卫星图像和空间属性的开发。这就是它们如何构建以实现三维地图和模型，用于土壤和环境监测、灾害管理和导航。
6. 材料科学与工程：材料科学利用 3D 数组神经形态系统来研究材料的微观结构，包括合金、复合材料和聚合物。这使得它们能够分析材料在各种条件下的性能，确定材料的行为，并将制造过程优化到所需的特性级别。

3D 数组的优点

1. 空间表示：3D 数组很有吸引力，因为它们非常接近直观和自然地在第三维度中表示空间数据的方式。这对于计算机图形学、医学成像和 GIS 等领域尤其重要，在这些领域，对象或数据点之间的空间关系对于可视化或分析数据至关重要。
2. 高效存储：与常规的 2D 数据存储形式不同，3D 数组将数据组织成三维体积，这有助于存储体积数据。这在处理大数据时尤其有用，因为它使用户能够比其他数据结构（如平面或多维结构）以更小的内存空间表示和压缩这些数据结构。
3. 快速访问和操作：3D 数组操作速度非常快，因为 3D 数组中的元素比其他数据结构更容易访问和操作。这种效率在考虑实时处理任务时最为明显，例如计算机图形渲染、模拟和科学计算。
4. 并行处理：许多现代 PC，例如多核或 GPU，都针对并行处理实现进行了优化。3D 矩阵可以被分割并并行处理，以更快地执行数据密集型任务。这有助于利用系统中的计算效率来执行数据密集型任务。
5. 算法兼容性：许多不同的算法和计算技巧都已构建，可以方便地与 3D 数组（作为多维数据结构）配合使用。开发人员可以轻松地执行滤波、卷积和插值以及特征提取等操作。
6. 与库的互操作性：语言的选择也很重要。3D 数组已集成到每个 Python 库和框架中，如 NumPy、MATLAB 和 R。它们速度惊人，因此可以快速测试原型并立即创建高质量的应用程序。

结论

总而言之，在 Python 中“采用”3D 数组的最终结果将促进数据表示、操作和分析。了解声明、初始化、操作和常见应用等基础知识，程序员就可以在实际计算问题中使用 3D 数组，例如领域数据存储、数据挖掘和分析、图形渲染等。无论是构建多维数据结构、物理对象模拟，还是任何涉及体积作为因素的内容，您都可以信赖 3D 数组作为您的重要助手。像 NumPy 这样的库，其针对多维数组的优化函数和操作，也增加了 Python 的现有功能，从而帮助开发人员从容而准确地应对困难而复杂的挑战。