NumPy on Pythoni avatud lähtekoodiga teek, mis hõlbustab arvulist andmetöötlust, pakkudes tugevat funktsioonide ja tööriistade komplekti matemaatiliste toimingute tegemiseks suurte, mitmemõõtmeliste massiivide ja maatriksitega. NumPy erinevate funktsioonide hulgas on üks vähem tuntud, kuid kasulik funktsioon võimalus eemaldada massiividest ees- ja/või lõpunulle. See funktsioon võib olla eriti kasulik moemaailmas, kus rõivaste, värvilahenduste ja mustrite kujundamisel ja valmistamisel on ülioluline täpsus ja tõhusus.
Selles artiklis süveneme üksikasjalikku näitesse, kuidas kasutada NumPy funktsiooni trim_zeros , keskendudes eelkõige parameetrile trim='b'. Lisaks arutame koodi toimimist ja anname põhjaliku selgituse probleemi lahendamisega seotud teekide ja funktsioonide kohta.
Alustuseks kaalume probleemi, mida tahame lahendada. Oletame, et teil on rõivamõõtude massiiv, kus iga element tähistab konkreetset pikkust või laiust sentimeetrites. Massiivi väärtused võivad mõõtmise ebatäpsuse või inimliku vea tõttu sisaldada ees- ja lõppnulle. Eesmärk on eemaldada need mittevajalikud nullid mõõtmismassiivist, et luua täpsem ja tõhusam andmestik.
Võtame näitena järgmise massiivi:
import numpy as np measurements = np.array([0, 0, 25, 42, 55, 0, 60, 0])
Nüüd tahame eemaldada nii esi- kui ka lõpunullid, kasutades parameetriga trim='b' rakendatud funktsiooni trim_zeros. Selle probleemi lahendus on järgmine:
trimmed_measurements = np.trim_zeros(measurements, trim='b') print(trimmed_measurements)
Väljundiks on:
array([25, 42, 55, 0, 60])
Koodeksi mõistmine
Uurime üksikasjalikumalt, kuidas kood töötab, et paremini mõista selle aluseks olevaid kontseptsioone ja funktsioone. Esimese asjana importisime NumPy teegi ja lõime näidismõõtmismassiivi.
Järgmisena kasutasime funktsiooni trim_zeros parameetriga "b". Kärpimisparameeter võtab ühe kolmest võimalikust väärtusest: „f” (eesolevate nullide eemaldamiseks), „b” (lõpunullide eemaldamiseks) ja „fb” (nii ees- kui ka lõpunullide eemaldamiseks). Meie puhul valisime 'b', kuna tahtsime eemaldada ainult lõpus olevad nullid.
Lõpuks värskendab see pärast funktsiooni trim_zeros täitmist mõõtmismassiivi ilma lõpunullideta ja prindib muudetud massiivi.
NumPy funktsioonid ja seotud raamatukogud
Nüüd, kui oleme lahendatud probleemist ja koodi toimimisest hästi aru saanud, vaatame lähemalt NumPy funktsioone ja nendega seotud teeke, mis on seotud funktsiooniga trim_zeros.
- numpy.asarray(): See funktsioon on väga sarnane funktsiooniga numpy.array(), kuid sellel on vähem võimalusi ja see ei tee sisendandmetest koopiat, kui sisendandmeteks on juba ndarray või pandas.Series.
- numpy.concatenate(): võimaldab teil ühendada kaks või enam massiivi piki olemasolevat telge.
- numpy.delete(): seda funktsiooni kasutatakse massiivi elementide kustutamiseks piki määratud telge vastavalt elemendi indeksile.
Lisaks NumPy teegile on ka teisi Pythoni teeke, mis võivad sarnaste probleemide lahendamisel abiks olla, näiteks Pandas andmete töötlemiseks ja Scikit-learn masinõppe algoritmide jaoks.
Selle näite ja selgituse kaudu loodame, et saite parema ülevaate sellest, kuidas kasutada NumPy funktsiooni trim_zeros koos parameetriga "b" ja kuidas seda moeandmete töötlemise valdkonnas rakendada. Neid olulisi Pythoni programmeerimis- ja SEO-tehnikaid valdades saate täiustada oma kodeerimisoskusi ning luua paremaid ja tõhusamaid lahendusi paljudele probleemidele.
