NumPy ကျူတိုရီရယ်

NumPy အိမ် NumPy နိဒါန်း NumPy စတင်ခြင်း။ NumPy သည် 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

ကျပန်းဒေတာဖြန့်ဝေခြင်း။


Data Distribution ဆိုတာဘာလဲ။

Data Distribution သည် ဖြစ်နိုင်ချေတန်ဖိုးများအားလုံး၏ စာရင်းတစ်ခုဖြစ်ပြီး တန်ဖိုးတစ်ခုစီတွင် မည်မျှဖြစ်ပွားလေ့ရှိသည် ။

စာရင်းအင်းများ နှင့် ဒေတာသိပ္ပံတို့ ဖြင့် လုပ်ဆောင်သောအခါတွင် အဆိုပါစာရင်းများသည် အရေးကြီးပါသည်။

ကျပန်း module သည် ကျပန်းထုတ်လုပ်ထားသော ဒေတာဖြန့်ဝေမှုများကို ပြန်ပေးသည့်နည်းလမ်းများကို ပေးဆောင်သည်။


ကျပန်းဖြန့်ဝေခြင်း။

ကျပန်းဖြန့်ဖြူးမှုဆိုသည်မှာ အချို့သော ဖြစ်နိုင်ခြေသိပ်သည်းဆလုပ်ဆောင်မှု နောက်ဆက်တွဲဖြစ်သော ကျပန်းနံပါတ်များအစုအဝေးတစ်ခုဖြစ်သည် ။

Probability Density Function- ဆက်တိုက်ဖြစ်နိုင်ခြေကို ဖော်ပြသည့် လုပ်ဆောင်ချက်တစ်ခု။ ဆိုလိုသည်မှာ array တစ်ခုရှိ တန်ဖိုးများအားလုံး၏ ဖြစ်နိုင်ခြေ။

module ၏ choice()နည်းလမ်းကို အသုံးပြု၍ သတ်မှတ်ထားသောဖြစ်နိုင်ခြေများပေါ်အခြေခံ၍ ကျပန်းနံပါတ်များကိုထုတ်ပေးနိုင်သည် ။random

နည်းလမ်း သည် choice()တန်ဖိုးတစ်ခုစီအတွက် ဖြစ်နိုင်ခြေကို သတ်မှတ်နိုင်စေပါသည်။

ဖြစ်နိုင်ခြေကို 0 နှင့် 1 အကြား ကိန်းတစ်ခုဖြင့် သတ်မှတ်သည်၊ 0 ဆိုသည်မှာ တန်ဖိုးသည် မည်သည့်အခါမျှ ဖြစ်ပေါ်မည်မဟုတ်ကြောင်းနှင့် 1 သည် တန်ဖိုးအမြဲဖြစ်ပေါ်မည်ဟု ဆိုလိုသည်။

ဥပမာ

တန်ဖိုးတစ်ခုစီသည် 3၊ 5၊ 7 သို့မဟုတ် 9 ဖြစ်ရမည့် တန်ဖိုး 100 ပါရှိသော 1-D အခင်းအကျင်းကို ဖန်တီးပါ။

တန်ဖိုး 3 ဖြစ်ရန် ဖြစ်နိုင်ခြေကို 0.1 ဟု သတ်မှတ်ထားသည်။

တန်ဖိုး 5 ဖြစ်ရန် ဖြစ်နိုင်ခြေကို 0.3 ဟု သတ်မှတ်ထားသည်။

တန်ဖိုး 7 ဖြစ်ရန် ဖြစ်နိုင်ခြေကို 0.6 ဟု သတ်မှတ်ထားသည်။

တန်ဖိုး 9 ဖြစ်ရန် ဖြစ်နိုင်ခြေကို 0 ဟု သတ်မှတ်ထားသည်။

from numpy import random

x = random.choice([3, 5, 7, 9], p=[0.1, 0.3, 0.6, 0.0], size=(100))

print(x)

ဖြစ်နိုင်ခြေနံပါတ်အားလုံး၏ပေါင်းလဒ်သည် 1 ဖြစ်သင့်သည်။

ဥပမာကို အကြိမ် 100 အထက် run ရင်တောင် value 9 က ဘယ်တော့မှ ဖြစ်မလာပါဘူး။

ကန့်သတ်ဘောင်အတွင်း ပုံသဏ္ဍာန်ကို သတ်မှတ်ခြင်းဖြင့် မည်သည့် ပုံသဏ္ဍာန်နှင့် အရွယ်အစား၏ array များကိုမဆို ပြန်ပေး sizeနိုင်ပါသည်။

ဥပမာ

အထက်ဖော်ပြပါနမူနာအတိုင်း တူသော်လည်း တစ်ခုစီတွင် တန်ဖိုး 5 ခုပါရှိသော အတန်း 3 ခုပါသော 2-D အခင်းအကျင်းကို ပြန်ပေးပါ။

from numpy import random

x = random.choice([3, 5, 7, 9], p=[0.1, 0.3, 0.6, 0.0], size=(3, 5))

print(x)