NumPy Array:शुरुआती के लिए एक गाइड

सूची एक प्रकार का डेटा है जिसमें तत्वों का क्रमबद्ध क्रम होता है। सूचियाँ एक उपयोगी डेटा प्रकार हैं क्योंकि वे आपको एक चर में कई संबंधित मानों को संग्रहीत करने की अनुमति देती हैं। एक सूची के साथ, आप एक चर में 10 जोड़ी जूतों के नाम संग्रहीत कर सकते हैं; आप किसी स्टोर पर की गई खरीदारी की सूची को एक वेरिएबल में स्टोर कर सकते हैं।

जबकि अंतर्निहित सूची डेटा प्रकार पहले से ही शक्तिशाली है, अधिक उन्नत उपयोग के मामलों के लिए आपको इसकी कमी लग सकती है। यहीं से NumPy का सरणी डेटा प्रकार आता है। NumPy लाइब्रेरी का उपयोग आसानी से कई आयामों के साथ सरणियाँ बनाने के लिए किया जा सकता है।

इस गाइड में, हम बात करने जा रहे हैं कि NumPy सरणियाँ क्या हैं, वे क्यों उपयोगी हैं, और आप अपने कोड में उनके साथ कैसे काम कर सकते हैं। आइए शुरू करें!

NumPy Array क्या है?

एक NumPy सरणी, NumPy Python लाइब्रेरी के भीतर उपयोग की जाने वाली सरणी वस्तु है। NumPy, जो न्यूमेरिकल पायथन के लिए खड़ा है, एक ऐसा पैकेज है जो अक्सर वैज्ञानिक और गणितीय कंप्यूटिंग के लिए उपयोग किया जाता है। यह कई प्रकार के उपकरणों के साथ है जो डेटा विश्लेषण और उन्नत गणित में सहायता कर सकते हैं।

वेनिला पायथन (बिना किसी बाहरी पैकेज के पायथन) में, सरणियाँ शक्तिशाली होती हैं लेकिन वे प्रक्रिया में धीमी हो सकती हैं। दूसरी ओर, NumPy सरणियों का लक्ष्य पारंपरिक पायथन सरणी की तुलना में तेजी से परिमाण का क्रम होना है।

यह प्रदर्शन बूस्ट पूरा किया जाता है क्योंकि NumPy सरणियाँ मेमोरी में एक निरंतर स्थान पर मूल्यों को संग्रहीत करती हैं। इससे पायथन के लिए सूची को एक्सेस करना और उसमें हेरफेर करना आसान हो जाता है।

NumPy Array कैसे घोषित करें

आरंभ करने के लिए, आइए एक NumPy सरणी सेट करें। इस ट्यूटोरियल के लिए, हम अपने ऐरे में स्ट्रिंग मानों को स्टोर करने जा रहे हैं। ये स्ट्रिंग मान स्थानीय कॉफी शॉप में पेश किए जाने वाले मीठे व्यवहारों की एक सूची है। हम NumPy लाइब्रेरी को आयात करके शुरू करेंगे:

np के रूप में numpy आयात करें

कोड की यह पंक्ति numpy . आयात करती है पायथन से और पुस्तकालय को np . नाम प्रदान करता है . इसका मतलब यह है कि जब भी हमें अपनी सरणी के साथ काम करने की आवश्यकता होती है तो हमें केवल np . पर कॉल करने की आवश्यकता होती है .

81% प्रतिभागियों ने कहा कि बूटकैंप में भाग लेने के बाद उन्हें अपनी तकनीकी नौकरी की संभावनाओं के बारे में अधिक आत्मविश्वास महसूस हुआ। आज ही एक बूटकैंप से मिलान करें।

बूटकैंप शुरू करने से लेकर अपनी पहली नौकरी खोजने तक, औसत बूटकैंप ग्रेड ने करियर संक्रमण में छह महीने से भी कम समय बिताया।

इसके बाद, हम सरणी इंटरफ़ेस का उपयोग करके अपनी सरणी घोषित करने जा रहे हैं:

ट्रीट्स =np.array(["ब्लूबेरी मफिन", "दालचीनी बन", "जैमी शॉर्टब्रेड"])प्रिंट(ट्रीट्स)

हमारे सरणी में चार स्ट्रिंग मान हैं। एक पारंपरिक पायथन सरणी की तरह, हमने अपनी सूची में सभी वस्तुओं को वर्ग कोष्ठक में संलग्न किया है। NumPy सरणी घोषित करने के लिए, हमने सरणी विधि का उपयोग किया है जो np का हिस्सा है . यह एक ndarray बनाता है ऑब्जेक्ट, जो बिल्ट-इन NumPy सरणी प्रकार है।

हमारा कोड हमारे मूल सरणी की एक प्रति लौटाता है, जिसे एक NumPy सरणी के रूप में क्रमबद्ध किया गया है:

['ब्लूबेरी मफिन' 'दालचीनी बन' 'जैमी शॉर्टब्रेड']

बस इतना ही:अब हमारे पास एक सरणी है जिसके साथ हम काम कर सकते हैं।

NumPy Arrays:आयाम

जब हम NumPy में आयामों के बारे में बात करते हैं, तो हमारा मतलब नई दुनिया से नहीं है जैसा कि आप फिल्मों में देखेंगे। एक सरणी में एक आयाम उस सरणी के भीतर गहराई का एक स्तर है। जब आयाम शब्द का उपयोग किया जाता है, तो यह नेस्टेड सरणियों को संदर्भित करता है। ये ऐसे सरणियाँ हैं जिनमें सरणियाँ होती हैं।

एक सरणी में कई आयाम हो सकते हैं। आपके द्वारा काम की जाने वाली अधिकांश सरणियाँ या तो 1-D, 2-D, या 3-D सरणियाँ होंगी। "डी" आयाम के लिए खड़ा है।

NumPy 1-D ऐरे

हमारे पहले उदाहरण में, हमने 1-डी सरणी बनाई। यह एक सरणी है जिसमें इसके तत्वों के रूप में 0-डी सरणी (या आइटम) शामिल हैं। आपके द्वारा काम की जाने वाली अधिकांश सरणियाँ 1-D होंगी।

आइए एक ऐसा ऐरे बनाएं जो कॉफ़ी शॉप पर ट्रीट की कीमतों को संग्रहीत करता है:

npprices =np.array([1.95, 2.00, 2.05])print(prices)

हमारा कोड एक आयाम में एक सरणी देता है, हमारे मूल्यों को संग्रहीत करता है:[1.95 2. 2.05]।

1-डी सरणी से किसी तत्व तक पहुंचने के लिए, आप उसी सिंटैक्स का उपयोग कर सकते हैं जैसे आप पायथन सूची के साथ करेंगे। आइए हमारी सूची में दूसरा आइटम पुनः प्राप्त करें:

प्रिंट(कीमतें[1])

हमारा कोड आइटम को इंडेक्स वैल्यू 1 के साथ लौटाता है, जो है:2।

पायथन सरणियों के बारे में अधिक जानने के लिए, पायथन सरणियों के लिए हमारे शुरुआती गाइड को पढ़ें।

NumPy 2-D Array

सभी सरणियाँ 1-डी नहीं हैं। मान लीजिए कि हम एक ऐरे को स्टोर करना चाहते हैं जिसमें दो एरे हों। एक सरणी कॉफी शॉप में बेचे जाने वाले मिठाइयों को संग्रहीत करती है; अन्य सरणी दुकान पर बेची जाने वाली कॉफी की एक सूची संग्रहीत करती है। साथ में, ये एक menu items . का हिस्सा हैं सरणी।

NumPy का उपयोग करके इस सरणी को बनाएं:

npmenu_items =np.array([["ब्लूबेरी मफिन", "दालचीनी बन", "जैमी शॉर्टब्रेड"], ["कैप्पुकिनो", "एस्प्रेसो", "मोचा"]]) प्रिंट (मेनू_आइटम) के रूप में numpy आयात करें। /पूर्व> 

 परिणामी सरणी है:
 
[['ब्लूबेरी मफिन' 'दालचीनी बन' 'जैमी शॉर्टब्रेड'] ['कैप्पुकिनो' 'एस्प्रेसो' 'मोचा']]
 

 हमारे नव निर्मित सरणी के दो आयाम हैं। हमारे सरणी के भीतर पहली सरणी में मीठे व्यवहारों की एक सूची होती है; दूसरी सरणी में कॉफी की एक सूची है। ध्यान दें कि ये दोनों सरणियाँ वर्गाकार कोष्ठकों की एक जोड़ी के भीतर संलग्न हैं जो दो सरणियों को जोड़ता है। 
 
 

 2-डी सरणी से आइटम पुनर्प्राप्त करना NumPy में पायथन की तुलना में थोड़ा अलग तरीके से काम करता है। 2-डी सरणी से तत्वों तक पहुंचने के लिए, आपको उस मान की अनुक्रमणिका संख्याओं को अलग करना होगा जिसे आप सरणी से पुनर्प्राप्त करना चाहते हैं। 
 
 

 इस कोड पर विचार करें:
 <पूर्व>प्रिंट करें(मेनू_आइटम[0, 2])

हमारा कोड लौटाता है:जेमी शॉर्टब्रेड। हमने इंडेक्स वैल्यू 2 के साथ आइटम को पुनः प्राप्त किया है जो कि इंडेक्स वैल्यू 0 के साथ एरे के अंदर स्टोर किया गया है। इस मामले में, हमने एरे में आखिरी आइटम को पुनः प्राप्त किया है जो कॉफ़ी शॉप में बेचे जाने वाले मिठाइयों को स्टोर करता है।

NumPy 3-D ऐरे

आइए एक और आयाम में जोड़ें! NumPy सरणियों में 3-डी सरणियाँ हो सकती हैं। यह एक सरणी है जिसमें 2-डी सरणी होती है।

मान लीजिए कि हम निम्नलिखित मानों को संग्रहीत करना चाहते हैं:

• मीठा और गैर-मीठा भोजन प्रसाद (युग्मित, लेकिन अलग-अलग सरणियों में); और
• कैफीनयुक्त और गैर-कैफीनयुक्त पेय (जोड़े गए, अलग-अलग सरणियों में);

इन सभी मानों को एक सरणी में संग्रहीत किया जाना चाहिए। इस सरणी के आयाम हैं:

• 1-D:सभी मेनू आइटम
• 2-डी:मीठा और गैर-मीठे खाद्य पदार्थ, कैफीनयुक्त और गैर-कैफीनयुक्त पेय
• 3-डी:मीठे खाद्य पदार्थ, गैर-मीठे खाद्य पदार्थ, कैफीनयुक्त, गैर-कैफीनयुक्त पेय

NumPy का उपयोग करके इस सरणी को बनाते हैं। निम्नलिखित कोड को पायथन फ़ाइल में पेस्ट करें:

npmenu_items =np.array([[["ब्लूबेरी मफिन", "दालचीनी बन", "जैमी शॉर्टब्रेड"], ["स्मोक्ड बेकन रोल", "टूना मेल्ट पाणिनी", "चीज़ एंड टोमैटो टोस्टी" के रूप में numpy आयात करें। ] ], [ ["कैप्पुकिनो", "एस्प्रेसो", "मोचा"], ["ऐप्पल जूस", "वाटर", "ऑरेंज जूस"] ]])प्रिंट(मेनू_आइटम)

हमारा कोड लौटाता है:

[['ब्लूबेरी मफिन' 'दालचीनी बन' 'जैमी शॉर्टब्रेड'] ['स्मोक्ड बेकन रोल' 'टूना मेल्ट पाणिनी' 'चीज एंड टोमैटो टोस्टी']] [['कैप्पुकिनो' 'एस्प्रेसो' 'मोचा'] ['सेब का रस' 'पानी' 'संतरे का रस']]]]

हमने पहले चर्चा की गई सभी सूचनाओं के साथ एक 3-डी सरणी बनाई है। यह सरणी कॉफी शॉप द्वारा पेश किए जाने वाले सभी मेनू आइटम की एक विस्तृत सूची है।

3-डी सरणी से आइटम एक्सेस करना उसी सिंटैक्स के समान काम करता है जिसका उपयोग आप 2-डी सरणी से आइटम एक्सेस करने के लिए करते हैं। अंतर यह है कि आपको 3-डी सरणी से किसी आइटम को पुनर्प्राप्त करने के लिए तीसरी अनुक्रमणिका संख्या निर्दिष्ट करनी होगी। आइए हमारे सरणी से "मोचा" को पुनः प्राप्त करें:

प्रिंट(मेनू_आइटम[1, 0, 2])

हमारा कोड लौटाता है:मोचा।

1 उस पहले आयाम की अनुक्रमणिका संख्या है जिसे हम एक्सेस करना चाहते हैं (1 हमारे पेय से मेल खाती है); 0 दूसरे आयाम की सूचकांक संख्या है (0 कैफीनयुक्त पेय से मेल खाती है); 2 तीसरे आयाम की अनुक्रमणिका संख्या है (2 मोचा से मेल खाती है)।

एक सरणी में आयामों की गणना करें

जब आप नए आयाम जोड़ना शुरू करते हैं तो NumPy सरणियाँ बहुत जटिल लगने लगती हैं। हमने तीन से अधिक आयामों वाले सरणियों की भी खोज नहीं की है! सौभाग्य से आपके लिए, एक आसान शॉर्टकट है जिसका उपयोग आप गणना करने के लिए कर सकते हैं कि किसी सरणी में कितने आयाम हैं।

निम्नलिखित कोड को पायथन फ़ाइल में पेस्ट करें:

npmenu_items =np.array([["ब्लूबेरी मफिन", "दालचीनी बन", "जैमी शॉर्टब्रेड"], ["कैप्पुकिनो", "एस्प्रेसो", "मोचा"]]) प्रिंट के रूप में numpy आयात करें (menu_items.ndim) )

आइए अपना कोड चलाते हैं। मान "2" लौटाया जाता है। यह हमें बताता है कि हमारे सरणी में दो आयाम हैं, जो हम देख सकते हैं कि हमारे उपरोक्त सरणी का विश्लेषण करके सत्य है।

निष्कर्ष

NumPy सरणियाँ समान मानों को संग्रहीत करने का एक लचीला तरीका है। वे पारंपरिक पायथन सरणियों की तुलना में तेज़ और अधिक कुशल हैं। आप आसानी से NumPy सरणियों का उपयोग करके कई आयामों के साथ काम कर सकते हैं; वेनिला पायथन में ऐसा करना अधिक कठिन है।

अब आप एक विशेषज्ञ प्रोग्रामर की तरह NumPy सरणियों का उपयोग शुरू करने के लिए तैयार हैं!