Tutorial

C Language 101 - Arrays! (EP.5)

By Arnon Puitrakul - 24 พฤษภาคม 2015

C Language 101 - Arrays! (EP.5)

หายหน้าหายตากันไปนานเลยกับ Tutorial นี้ ตอนนี้ปิดเทอมแล้ว ทำอะไรๆได้มากขึ้น แฮะๆๆ เที่ยวแน่นอน! เข้าเรื่องเลยดีกว่า วันนี้เราจะมาพูดถึง Array สำหรับคนที่เคยเรียนเขียนโปรแกรมภาษาอื่นมาแล้ว หรือเคยอ่านเรื่อง Data Structure ก็ข้ามๆตรงนี้ไปดูตรง Syntax ได้เลยนะฮ่ะ

Arrays คืออะไร?

ถ้าจำได้ ตอนก่อนๆเราเคยเรียนเรื่องการเก็บข้อมูลลงตัวแปรใช่มั้ยครับ ง่ายๆเลยคือ Array คือเซ็ตของตัวแปร (ที่เป็นประเภทเดียวกัน) มาแพครวมกัน เราจะเข้าถึงตัวไหนก็ได้ใน Array
ข้อมูลใน Array แต่ล่ะตัว เราจะเรียกว่า Member หรือสมาชิก เวลาเราเรียก เราจะต้องใช้เลข Index เรียกมันขึ้นมา (ถ้ายังนึกภาพไม่ออก เดี๋ยวรอดูตรง Syntax) โดย**เลข Index จะเริ่มจาก 0 ถึง n-1 เสมอ โอเคนะ

How to implement?

ถ้าใครที่เคยเรียน Data Structure มาก็จะรู้ว่า Array เป็นการเก็บข้อมูลแบบนึง ช่างมันเถอะครับ
เรามาดูวิธีการประกาศ Array กัน

int number [4];

วิธีประกาศ ก็ตามด้านบนเลยครับ คล้ายๆกับตอนที่เราประกาศตัวแปรปกติเลย แค่เพิ่มข้างหลัง เติม [] จำนวนสมาชิกเข้าไป อย่าลืม ว่าเลข Index มันจะรันตั้งแต่ 0 ถึง n-1 นะ

How to access value?

ก็เหมือนกับตัวแปรปกติเป๊ะเลย แค่ต้องเติม เลข Index ข้างหลังตามไปด้วย ถ้าเราจะเอาค่าออกทางหน้าจอก็เช่น

printf("%d",number[2]);

ส่วนการ Assign ค่าให้มันก็เหมือนเดิมง่าย ๆ เลย
number[2] = 10;

ง่ายนิดเดียวเองนะ เรื่องนี้ แต่เรื่องนี้มันจะไปยากตรงที่เราจะเอามันไปประยุกต์ใช้กับ ปัญหาจริงๆอะไรแบบนี้มากกว่า เอาควมคิดเห็นผมนะ! มันเล่นอะไรได้เยอะมากๆเลย มากเกินไปจริง lol พบกันใหม่ตอนหน้า ตอนหน้าจะเป็นเรื่องอะไรนั้น ติดตามอ่านกันนะครับ สำหรับวันนี้สวัสดีครับ!

Read Next...

จัดการข้อมูลบน Pandas ยังไงให้เร็ว 1000x ด้วย Vectorisation

จัดการข้อมูลบน Pandas ยังไงให้เร็ว 1000x ด้วย Vectorisation

เวลาเราทำงานกับข้อมูลอย่าง Pandas DataFrame หนึ่งในงานที่เราเขียนลงไปให้มันทำคือ การ Apply Function เข้าไป ถ้าข้อมูลมีขนาดเล็ก มันไม่มีปัญหาเท่าไหร่ แต่ถ้าข้อมูลของเราใหญ่ มันอีกเรื่องเลย ถ้าเราจะเขียนให้เร็วที่สุด เราจะทำได้โดยวิธีใดบ้าง วันนี้เรามาดูกัน...

ปั่นความเร็ว Python Script เกือบ 700 เท่าด้วย JIT บน Numba

ปั่นความเร็ว Python Script เกือบ 700 เท่าด้วย JIT บน Numba

Python เป็นภาษาที่เราใช้งานกันเยอะมาก ๆ เพราะความยืดหยุ่นของมัน แต่ปัญหาของมันก็เกิดจากข้อดีของมันนี่แหละ ทำให้เมื่อเราต้องการ Performance แต่ถ้าเราจะบอกว่า เราสามารถทำได้ดีทั้งคู่เลยละ จะเป็นยังไง เราขอแนะนำ Numba ที่ใช้งาน JIT บอกเลยว่า เร็วขึ้นแบบ 700 เท่าตอนที่ทดลองกันเลย...

Humanise the Number in Python with "Humanize"

Humanise the Number in Python with "Humanize"

หลายวันก่อน เราทำงานแล้วเราต้องการทำงานกับตัวเลขเพื่อให้มันอ่านได้ง่ายขึ้น จะมานั่งเขียนเองก็เสียเวลา เลยไปนั่งหา Library มาใช้ จนไปเจอ Humanize วันนี้เลยจะเอามาเล่าให้อ่านกันว่า มันทำอะไรได้ แล้วมันล่นเวลาการทำงานของเราได้ยังไง...

ทำไม 0.3 + 0.6 ถึงได้ 0.8999999 กับปัญหา Floating Point Approximation

ทำไม 0.3 + 0.6 ถึงได้ 0.8999999 กับปัญหา Floating Point Approximation

การทำงานกับตัวเลขทศนิยมบนคอมพิวเตอร์มันมีความลับซ่อนอยู่ เราอาจจะเคยเจอเคสที่ เอา 0.3 + 0.6 แล้วมันได้ 0.899 ซ้ำไปเรื่อย ๆ ไม่ได้ 0.9 เพราะคอมพิวเตอร์ไม่ได้มองระบบทศนิยมเหมือนกับคนนั่นเอง บางตัวมันไม่สามารถเก็บได้ เลยจำเป็นจะต้องประมาณเอา เราเลยเรียกว่า Floating Point Approximation...