NumPy ကျူတိုရီရယ်

NumPy အိမ် NumPy နိဒါန်း NumPy စတင်ခြင်း။ NumPy Arrays ဖန်တီးခြင်း။ NumPy Array အညွှန်းကိန်း NumPy Array ကိုလှီးဖြတ်ခြင်း။ NumPy ဒေတာအမျိုးအစားများ NumPy Copy vs View NumPy Array Shape NumPy Array ကို ပြန်လည်ပုံဖော်ခြင်း။ NumPy Array Iterating NumPy Array Join NumPy Array ကို ခွဲလိုက်ပါ။ NumPy Array ရှာဖွေမှု NumPy Array အမျိုးအစား NumPy Array Filter

NumPy ကျပန်း

ကျပန်း Intro ဒေတာဖြန့်ဝေခြင်း။ ကျပန်း Permutation Seaborn Module ပုံမှန်ဖြန့်ဝေ Binomial ဖြန့်ဝေခြင်း။ ငါးဖြန့်ဖြူးရေး ယူနီဖောင်း ဖြန့်ဝေခြင်း။ ထောက်ပံ့ပို့ဆောင်ရေးဖြန့်ဝေ Multinomial Distribution ထပ်ညွှန်းဖြန့်ဝေမှု Chi Square ဖြန့်ဝေခြင်း။ Rayleigh ဖြန့်ဝေခြင်း။ Pareto ဖြန့်ဝေခြင်း။ Zipf ဖြန့်ဝေခြင်း။

NumPy ufunc

ufunc နိဒါန်း ufunc လုပ်ဆောင်ချက်ကို ဖန်တီးပါ။ ufunc ရိုးရှင်းသောဂဏန်းသင်္ချာ ufunc အဝိုင်းဒဿမများ ufunc မှတ်တမ်းများ ufunc အနှစ်ချုပ်များ ufunc ထုတ်ကုန်များ ufunc ကွဲပြားမှုများ ufunc LCM ကိုရှာခြင်း။ ufunc GCD ရှာခြင်း။ ufunc Trigonometric ufunc ဟိုက်ပါရောလစ် ufunc လုပ်ဆောင်ချက်များကို သတ်မှတ်ပါ။

စာမေးပွဲ/လေ့ကျင့်ခန်းများ

NumPy Quiz NumPy လေ့ကျင့်ခန်းများ

NumPy Array နှင့် View ကို ကူးယူသည် ။


Copy နှင့် View ကွာခြားချက်

ကော်ပီတစ်ခုနှင့် array တစ်ခု၏မြင်ကွင်းတစ်ခုအကြား အဓိကကွာခြားချက်မှာ ကော်ပီသည် ခင်းကျင်းအသစ်တစ်ခုဖြစ်ပြီး မြင်ကွင်းသည် မူရင်းအခင်းအကျင်း၏မြင်ကွင်းတစ်ခုသာဖြစ်သည်။

မိတ္တူ သည် ဒေတာ ကို ပိုင်ဆိုင်ထားပြီး မိတ္တူ တွင် ပြုလုပ်ထားသော ပြောင်းလဲမှုမှန်သမျှသည် မူရင်း ခင်းကျင်းအပေါ် သက်ရောက်မှုရှိမည်မဟုတ်ပါ၊ မူရင်း ခင်းကျင်းမှုတွင် ပြုလုပ်ထားသော ပြောင်းလဲမှုမှန်သမျှသည် မိတ္တူကို ထိခိုက်စေမည်မဟုတ်ပါ။

မြင်ကွင်း သည် ဒေတာ ကို မပိုင်ဆိုင်ပါ ၊ မြင်ကွင်းအတွက် ပြုလုပ်ထားသော ပြောင်းလဲမှုမှန်သမျှသည် မူရင်း ခင်းကျင်းအပေါ် သက်ရောက်မှုရှိမည်ဖြစ်ပြီး မူရင်း ခင်းကျင်းတွင် ပြုလုပ်ထားသော ပြောင်းလဲမှုမှန်သမျှသည် မြင်ကွင်းကို အကျိုးသက်ရောက်မည်ဖြစ်ပါသည်။


မိတ္တူ-

ဥပမာ

မိတ္တူကူးပါ၊ မူရင်း array ကို ပြောင်းလဲပြီး array နှစ်ခုလုံးကို ပြသပါ-

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
x = arr.copy()
arr[0] = 42

print(arr)
print(x)

မူရင်းအခင်းအကျင်းတွင် ပြုလုပ်ထားသော အပြောင်းအလဲများကြောင့် မိတ္တူကို ထိခိုက်မှုမဖြစ်သင့်ပါ။


ကြည့်ရှုရန်-

ဥပမာ

မြင်ကွင်းတစ်ခုဖန်တီးပါ၊ မူရင်း array ကိုပြောင်းလဲပြီး array နှစ်ခုလုံးကိုပြသပါ-

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
x = arr.view()
arr[0] = 42

print(arr)
print(x)

မူရင်း array တွင် ပြုလုပ်ထားသော အပြောင်းအလဲများကြောင့် မြင်ကွင်းကို ထိခိုက်သင့်သည်။

မြင်ကွင်းတွင် ပြောင်းလဲမှုများ ပြုလုပ်ပါ-

ဥပမာ

မြင်ကွင်းတစ်ခုဖန်တီးပါ၊ မြင်ကွင်းကိုပြောင်းလဲပါ၊ နှင့် ခင်းကျင်းနှစ်ခုလုံးကိုပြသပါ-

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
x = arr.view()
x[0] = 31

print(arr)
print(x)

မြင်ကွင်းအတွက် ပြုလုပ်ထားသော အပြောင်းအလဲများကြောင့် မူရင်း ခင်းကျင်းမှုကို သက်ရောက်မှုရှိသင့်သည်။



Array သည် ၎င်း၏ Data ပိုင်ဆိုင်ခြင်း ရှိ၊ မရှိ စစ်ဆေးပါ။

အထက်တွင်ဖော်ပြခဲ့သည့်အတိုင်း၊ မိတ္တူ များသည် ဒေတာ ကို ပိုင်ဆိုင်ထားပြီး အမြင်များသည် ဒေတာ ကို ပိုင်ဆိုင်ခြင်း မရှိသော်လည်း ၎င်းကို ကျွန်ုပ်တို့ မည်သို့စစ်ဆေးနိုင်မည်နည်း။

NumPy array တစ်ခုစီတွင် array သည် data ပိုင်ဆိုင်ပါက basereturn ပြန် မည့် attribute ရှိပါသည်။None

မဟုတ်ပါက၊ base  attribute သည် မူရင်းအရာဝတ္တုကို ရည်ညွှန်းသည်။

ဥပမာ

array တစ်ခုသည် ၎င်း၏ဒေတာကို ပိုင်ဆိုင်ခြင်း ရှိ၊ မရှိ စစ်ဆေးရန် အခြေခံ attribute ၏ တန်ဖိုးကို ပရင့်ထုတ်ပါ-

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

x = arr.copy()
y = arr.view()

print(x.base)
print(y.base)

မိတ္တူပြန်လာသည် None
မြင်ကွင်းသည် မူရင်းအခင်းကို ပြန်ပေးသည်။


လေ့ကျင့်ခန်းများဖြင့် သင့်ကိုယ်သင် စမ်းသပ်ပါ။

လေ့ကျင့်ခန်း

array ၏မိတ္တူကိုပြုလုပ်ရန်မှန်ကန်သောနည်းလမ်းကိုအသုံးပြုပါ။

arr = np.array([1, 2, 3, 4, 5])

x = arr.