NumPy သည် Arrays ဖန်တီးခြင်း
NumPy ndarray Object ကိုဖန်တီးပါ။
NumPy ကို array များနှင့်အလုပ်လုပ်ရန်အသုံးပြုသည်။ NumPy ရှိ array object ကို ခေါ်သည်
ndarray။
လုပ်ဆောင်ချက်ကို ndarrayအသုံးပြု၍ NumPy အရာဝတ္ထုတစ်ခုကို ဖန်တီးနိုင်သည်
။array()
ဥပမာ
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))
type(): ဤ built-in Python လုပ်ဆောင်ချက်က ၎င်းထံပေးပို့သော အရာဝတ္ထုအမျိုးအစားကို ပြောပြသည်။ အပေါ်က ကုဒ်မှာ ပါတဲ့ အတိုင်း အမျိုးအစား arrကို
ပြပါတယ်။numpy.ndarray
တစ်ခုဖန်တီးရန် ndarray၊ စာရင်းတစ်ခု၊ tuple သို့မဟုတ် မည်သည့် array-like object ကို array()
method ထဲသို့ ဖြတ်သန်းနိုင်ပြီး၊ ၎င်းကို method အဖြစ်သို့ ပြောင်းလဲသွားပါမည်
ndarray။
ဥပမာ
NumPy array တစ်ခုဖန်တီးရန် tuple ကိုသုံးပါ
import numpy as np
arr = np.array((1, 2, 3, 4, 5))
print(arr)
Arrays ရှိ အတိုင်းအတာများ
array အတွင်းရှိ dimension သည် array depth (nested arrays) အဆင့်တစ်ခုဖြစ်သည်။
nested array- array များသည် ၎င်းတို့၏ဒြပ်စင်များအဖြစ် array များရှိသည်။
0-D Arrays
0-D arrays သို့မဟုတ် Scalars များသည် array တစ်ခုရှိ element များဖြစ်သည်။ array တစ်ခုရှိ တန်ဖိုးတစ်ခုစီသည် 0-D array တစ်ခုဖြစ်သည်။
ဥပမာ
တန်ဖိုး 42 ဖြင့် 0-D အခင်းအကျင်းတစ်ခုကို ဖန်တီးပါ။
import numpy as np
arr = np.array(42)
print(arr)
1-D Arrays
၎င်း၏ဒြပ်စင်များအဖြစ် 0-D အခင်းအကျင်းများပါရှိသော အခင်းအကျင်းကို ယူနီဖက်မြင် သို့မဟုတ် 1-D အခင်းအကျင်းဟုခေါ်သည်။
၎င်းတို့သည် အသုံးအများဆုံးနှင့် အခြေခံအခင်းများဖြစ်သည်။
ဥပမာ
တန်ဖိုး 1,2,3,4,5 ပါဝင်သော 1-D အခင်းအကျင်းကို ဖန်တီးပါ-
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
2-D Arrays
၎င်း၏ဒြပ်စင်များအဖြစ် 1-D အခင်းအကျင်းများပါရှိသော array တစ်ခုကို 2-D array ဟုခေါ်သည်။
၎င်းတို့ကို matrix သို့မဟုတ် 2nd order tensor ကို ကိုယ်စားပြုရန် မကြာခဏ အသုံးပြုပါသည်။
NumPy တွင် matrix ဟုခေါ်သော လုပ်ဆောင်ချက်များအတွက် ရည်ညွှန်းထားသော အပိုင်းခွဲတစ်ခု လုံးရှိသည်။
numpy.mat
ဥပမာ
တန်ဖိုး 1,2,3 နှင့် 4,5,6 တို့ပါရှိသော 2-D array တစ်ခုကို ဖန်တီးပါ-
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
3-D အခင်းအကျင်းများ
၎င်း၏ဒြပ်စင်များအဖြစ် 2-D အခင်းအကျင်းများ (မက်ထရစ်များ) ပါရှိသော အခင်းအကျင်းကို 3-D အခင်းအကျင်းဟုခေါ်သည်။
၎င်းတို့ကို 3rd order tensor ကို ကိုယ်စားပြုရန် မကြာခဏ အသုံးပြုပါသည်။
ဥပမာ
တန်ဖိုး 1,2,3 နှင့် 4,5,6 တို့ပါရှိသော အခင်းနှစ်ခုလုံးပါရှိသော 2-D အခင်းအကျင်းနှစ်ခုပါသော 3-D array တစ်ခုကို ဖန်တီးပါ-
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)
Dimensions အရေအတွက်ကို စစ်ဆေးမလား။
NumPy Arrays သည် ndimarray တွင် အတိုင်းအတာမည်မျှရှိသည်ကို ပြောပြသော ကိန်းပြည့်တစ်ခုကို ပြန်ပေးသည့် attribute ကို ပေးပါသည်။
ဥပမာ
Array များတွင် အတိုင်းအတာမည်မျှရှိသည်ကို စစ်ဆေးပါ-
import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)
ပိုမိုမြင့်မားသော Dimensional Arrays
အခင်းအကျင်းတစ်ခုတွင် မည်သည့်အတိုင်းအတာ အရေအတွက်ရှိနိုင်သည်။
ndminarray ကို ဖန်တီးသောအခါ၊ argument ကို အသုံးပြု၍ အတိုင်းအတာ အရေအတွက်ကို သတ်မှတ်နိုင်သည် ။
ဥပမာ
အတိုင်းအတာ 5 ခုပါသည့် array တစ်ခုကို ဖန်တီးပြီး ၎င်းတွင် အတိုင်းအတာ 5 ခုရှိကြောင်း စစ်ဆေးပါ။
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)
ဤအခင်းအကျင်းတွင် အတွင်းဆုံးအတိုင်းအတာ (၅ မှိန်) တွင် ဒြပ်စင် 4 ခု ပါရှိသည်၊ 4 မှိန်ဖျော့တွင် ဗက်တာဖြစ်သော ဒြပ်စင် 1 ခု ရှိသည်၊ 3rd အမှိန်တွင် ကိန်းဂဏာန်း 1 ဒြပ်စင် ပါ၀င်သည်၊ 2nd အမှိန်တွင် ဒြပ်စင် 1 ခု ရှိသည် 3D အခင်းအကျင်းဖြစ်ပြီး၊ 1st dim တွင် 4D array တစ်ခုဖြစ်သော element 1 ခု ရှိသည်။