NumPy သည် Arrays ဖန်တီးခြင်း
NumPy ndarray Object ကိုဖန်တီးပါ။
NumPy ကို array များနှင့်အလုပ်လုပ်ရန်အသုံးပြုသည်။ NumPy ရှိ array object ကို ခေါ်သည်
ndarray
။
လုပ်ဆောင်ချက်ကို ndarray
အသုံးပြု၍ 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 arr
ကို
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 ndim
array 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။
ndmin
array 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။