Andmeteaduse ja programmeerimise maailmas on Python oma lihtsuse, loetavuse ja mitmekülgsuse tõttu kiiresti populaarseks keeleks muutunud. Selles artiklis süveneme Pythoni NumPy teeki ja selle võimsasse pigistusfunktsiooni . Arutame, kuidas selle funktsioone ära kasutada andmete vaevata manipuleerimiseks ja analüüsimiseks. Loe edasi, et teada saada, kuidas lahendada keerulisi probleeme NumPy pigistusfunktsiooni abil näidete ja koodi samm-sammult selgitamise abil.
Selle teema illustreerimiseks mõelgem kaasaegsele catwalk-stsenaariumile. Moeeksperdina teate, kui oluline on valida täiuslik riietus, mis köidab publikut, esindades stiilide, välimuse ja trendide harmooniat ühes ansamblis.
NumPy raamatukogu mõistmine
- NumPy (Numerical Python) on avatud lähtekoodiga teek, mis on uskumatult kasulik matemaatiliste ja loogiliste toimingute tegemiseks suurte, mitmemõõtmeliste massiivide ja maatriksitega.
- See pakub suurepärast tuge erinevatele matemaatilistele funktsioonidele, statistilistele operatsioonidele ja lineaaralgebra rutiinidele.
- NumPy süntaks on väga sarnane Pythoni loendiga, kuid see toimib kiiremini ja nõuab vähem mälu.
Nii nagu rõivaste, värvide ja moeajaloo kombinatsioonid mõjutavad rõivaste stiili, mängivad Pythoni raamatukogud ja funktsioonid programmeerimisprobleemide lahendamisel otsustavat rolli.
NumPy pigistamise funktsioon
Moemaailmas seisneb ideaalne stiil selles, et kõik osad sobiksid omavahel sujuvalt kokku. Samamoodi võimaldab NumPy pigistamisfunktsioon meil sisendmassiivi kujust ühemõõtmelisi kirjeid eemaldada.
import numpy as np sample_array = np.array([[[0], [1], [2]]]) squeezed_array = np.squeeze(sample_array) print(squeezed_array)
Ülaltoodud koodilõik eemaldab sample_array massiivi kujust ühemõõtmelised kirjed , mille tulemuseks on ühemõõtmeline massiiv.
Telje mõistmine NumPy pigistamise funktsioonis
NumPy pigistamisfunktsiooni oluline aspekt on parameetri telg kasutamine . See võimaldab meil valikuliselt määrata, milliseid dimensioone pigistada, selle asemel, et eemaldada kõik ühemõõtmelised kirjed.
Kontseptsiooni paremaks mõistmiseks mõelgem sellele veel kord stiili ja moe kontekstis. Riietus võib koosneda kihtidest ja aksessuaaridest, mis on kokku pandud kindlate telgede või suundade järgi (ülalt alla, eest taha). Samamoodi võime pigistusfunktsiooniga töötades ette kujutada, et iga telg esindab massiivi kuju teatud aspekti.
import numpy as np sample_array_2 = np.array([[[1], [2], [3]], [[4], [5], [6]]]) squeezed_array_axis = np.squeeze(sample_array_2, axis=1) print(squeezed_array_axis)
Selles näites eemaldab funktsioon telje väärtuse 1 määramisel ainult teise telje ühemõõtmelised kirjed. See mõõtmete valikuline eemaldamine on analoogne riietuse teatud kihtide valimisega ilma teisi mõõtmeid häirimata.
Kokkuvõtteks võib öelda, et NumPy teeki ja selle võimsa pigistamisfunktsiooni mõistmine võib oluliselt parandada teie Pythoni programmeerimisoskusi andmete manipuleerimisel ja analüüsimisel. Nii nagu moeekspert omaks võtab stiilide, välimuste ja trendide mitmekesisuse, võtab osav arendaja omaks Pythoni teekide ja funktsioonide mitmekülgsuse, et luua tõhusaid ja elegantseid lahendusi.
