Selles artiklis käsitleme Pythoni programmeerimiskeelt, keskendudes konkreetselt teegile NumPy ja veeru kustutamisele selle teegi abil. Python on mitmekülgne programmeerimiskeel, mida kasutatakse laialdaselt erinevatel eesmärkidel, sealhulgas veebiarenduseks, andmeanalüüsiks, tehisintellektiks ja muuks. Pythoni populaarsuse üks põhikomponente on selle arvukad teegid, mis muudavad kodeerimisprotsessi tõhusamaks ja hõlpsamini käsitsetavaks. NumPy on üks selline raamatukogu, mis on spetsiaalselt loodud suurte, mitmemõõtmeliste arvandmete massiivide ja maatriksitega töötamiseks. Andmetöötluse valdkonnas on oluline teada, kuidas massiivist veerge kustutada, kuna see on paljude töövoogude tavaline eeltöötlusetapp.
NumPy teek pakub selle ülesande täitmiseks kasutajasõbralikku funktsiooni nimega "kustuta". Funktsioon numpy.delete() on võimeline eemaldama massiivi elemente mööda määratud telge. See muudab veeru kustutamise 2D-massiivist või maatriksist lihtsaks.
Alustuseks impordime NumPy teeki ja loome 2D-massiivi näidis:
import numpy as np
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("Original array:")
print(array)
Nüüd kasutame funktsiooni "np.delete()", et kustutada oma 2D-massiivist konkreetne veerg:
# Deleting the second column (index 1)
array_modified = np.delete(array, 1, axis=1)
print("nArray with the second column deleted:")
print(array_modified)
Funktsiooni np.delete() selgitamine
Funktsioon np.delete() kasutab kolme peamist argumenti: sisendmassiivi, kustutatava elemendi või veeru indeksit ja telge, mida mööda kustutada. Telje parameeter on sel juhul ülioluline, kuna tahame kustutada veeru, mitte ainult elemendi. Seadistades telje = 1, käsime funktsioonil kustutada piki veeru telge. Kui seaksime telje = 0, kustutaks funktsioon piki rea telge.
Pange tähele, et funktsioon np.delete() ei muuda algset massiivi paigas. Selle asemel tagastab see uue muudetud massiivi, mis on oluline, kui soovite oma töövoos säilitada algandmed.
NumPy teegis navigeerimine
NumPy teegil on mitmesuguseid tehnikaid ja funktsioone arvuliste andmete suurte, mitmemõõtmeliste massiivide ja maatriksite käsitlemiseks. Mitmed populaarsed funktsioonid hõlmavad "ümberkujundamist", "ühendamist", "tükeldamist" ja palju muud. NumPy on Pythoniga matemaatilise ja teadusliku andmetöötluse põhipakett tänu oma tõhusatele ja hõlpsasti kasutatavatele andmestruktuuridele.
NumPy massiivide ja andmetega manipuleerimise viiside mõistmine on iga andmeteadlase või masinõppe entusiasti jaoks oluline samm. Lisaks võib NumPy massiivide veergude kustutamise ja muutmise kontseptsiooni mõistmine olla abiks suuremahuliste andmete eeltöötluse käsitlemisel, kuna ebaoluliste või mittevajalike veergude kustutamine võib oluliselt parandada töötlemisaega ja hõlbustada andmete analüüsimist.
