Python NumPy on populaarne raamatukogu, mis pakub mitmeid täiustatud matemaatilisi funktsioone ja muudab mitmemõõtmeliste massiividega töötamise äärmiselt tõhusaks. Üks selline kasulik funktsioon on NumPy column_stack funktsioon. Selles artiklis vaatleme põhjalikult funktsiooni column_stack ja selle rakendust 2D massiividega töötamisel. Samuti uurime Pythonis massiividega töötamise erinevaid teeke ja funktsioone.
Sissejuhatus NumPy veerus_stack funktsiooni
NumPy funktsioon column_stack on mugav tööriist mitme 1D- ja 2D-massiivi virnastamiseks üheks 2D-massiiviks, paigutades sisendmassiivid veergudesse. See võib olla abiks erinevates olukordades, näiteks mitme andmestiku kombineerimisel või maatriksioperatsioonidega töötamisel. Funktsiooni column_stack süntaks on järgmine:
numpy.column_stack((array1, array2, ..., arrayN))
Nüüd sukeldume probleemi lahendamisesse, kasutades funktsiooni column_stack, ja selgitame koodi samm-sammult.
Probleemi avaldus ja lahendus
Oletame, et meil on kaks eraldi andmestikku, mis sisaldavad kahe aine õpilaste hindeid, ja me tahame luua koondandmestiku, mille veergudeks on mõlema õppeaine hinded. Selle saavutamiseks saame kasutada funktsiooni NumPy column_stack.
Siin on koodinäide kahe 1D-massiivi kombineerimisest üheks 2D-massiiviks, kasutades atribuuti column_stack:
import numpy as np subject_1_scores = np.array([95, 85, 78, 90]) subject_2_scores = np.array([88, 78, 81, 92]) combined_scores = np.column_stack((subject_1_scores, subject_2_scores)) print(combined_scores)
Koodeksi samm-sammult selgitus
Jagame koodi lahti ja selgitame iga sammu:
1. Esiteks impordime NumPy teegi varjunimega „np”.
2. Loome kaks NumPy massiivi, aine_1_skoorid ja aine_2_tulemused, mis sisaldavad kahe aine õpilaste hindeid.
3. Seejärel kasutame funktsiooni column_stack kahe massiivi veergude kaupa virnastamiseks ja saadud 2D-massiivi salvestamiseks muutujasse nimega combined_scores.
4. Lõpuks prindime konsooli 2D massiivi combined_scores.
Selle koodi väljund on:
[[95 88] [85 78] [78 81] [90 92]]
Siin näeme, et sisendmassiivid on edukalt virnastatud veergude kaupa üheks 2D-massiiviks.
Muud funktsioonid ja teegid massiividega töötamiseks
Pythonis mitmemõõtmeliste massiividega töötamist saab tõhusalt saavutada erinevate teekide ja funktsioonide abil. Lisaks funktsioonile NumPy column_stack on mõned muud märkimisväärsed funktsioonid:
- NumPy.hstack: See funktsioon virnastab massiive ka horisontaalselt (veergude kaupa), kuigi erinevalt veeru_virust peab sisendmassiividel olema sama arv mõõtmeid.
- NumPy.vstack: See funktsioon virnastab massiive vertikaalselt (ridade kaupa).
- NumPy.concatenate: Seda mitmekülgset funktsiooni saab kasutada massiivide ühendamiseks piki määratud telge.
- Pandad: Teine populaarne Pythoni teek andmeanalüüsi jaoks, Pandas pakub täiustatud funktsioone struktureeritud andmetega töötamiseks, nagu näiteks DataFrame'ide (pandas.DataFrame) kombineerimine, kasutades liitmis-, liitumis- või sidumisfunktsioone.
Neid teeke ja funktsioone valdades saate Pythonis tõhusalt hallata ja töödelda mitmesuguseid mitmemõõtmelise massiivi toiminguid. Head kodeerimist!
