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

ရိုးရှင်းသောဂဏန်းသင်္ချာ


ရိုးရှင်းသောဂဏန်းသင်္ချာ

NumPy arrays များကြားတွင် ဂဏန်းသင်္ချာအော်ပရေတာများကို တိုက်ရိုက်အသုံးပြုနိုင် သော်လည်း ဤအပိုင်းတွင် array-like objects များ ဥပမာ lists၊ tuples စသည်တို့ကို ယူနိုင်ပြီး ဂဏန်းသင်္ချာကို အခြေအနေအရ+ - * / လုပ်ဆောင်နိုင်သည့် လုပ်ဆောင်ချက်များရှိသည့် တူညီသည့် အပိုင်းကို ဆွေးနွေးထားသည်

Arithmetic Conditionally- ဆိုသည်မှာ ဂဏန်းသင်္ချာ လုပ်ဆောင်ချက် ဖြစ်သင့်သည့် အခြေအနေများကို သတ်မှတ်နိုင်သည်ဟု ဆိုလိုသည်။

ဆွေးနွေးထားသော ဂဏန်းသင်္ချာလုပ်ဆောင်ချက်အားလုံးသည် whereထိုအခြေအနေအား သတ်မှတ်နိုင်သည့် အတိုင်းအတာတစ်ခုယူသည်။


ထပ်လောင်း

လုပ်ဆောင်ချက် သည် add()array နှစ်ခု၏ အကြောင်းအရာကို ပေါင်းစည်းပြီး ရလဒ်များကို array အသစ်တစ်ခုတွင် ပြန်ပေးသည်။

ဥပမာ

arr1 တွင်တန်ဖိုးများကို arr2 ရှိတန်ဖိုးများထည့်ပါ။

import numpy as np

arr1 = np.array([10, 11, 12, 13, 14, 15])
arr2 = np.array([20, 21, 22, 23, 24, 25])

newarr = np.add(arr1, arr2)

print(newarr)

အထက်ဖော်ပြပါ ဥပမာသည် 10+20၊ 11+21၊ 12+22 စသည်ဖြင့် ပေါင်းခြင်းဖြစ်သည့် [30 32 34 36 38 40] သို့ ပြန်သွားပါမည်။


နုတ်ခြင်း။

လုပ်ဆောင်ချက် သည် subtract()array တစ်ခုမှ တန်ဖိုးများကို အခြား array တစ်ခုမှ တန်ဖိုးများဖြင့် နုတ်ပြီး ရလဒ်များကို အသစ်တစ်ခုတွင် ပြန်ပေးသည်။

ဥပမာ

arr1 ရှိ တန်ဖိုးများမှ arr2 ရှိ တန်ဖိုးများကို နုတ်ပါ။

import numpy as np

arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([20, 21, 22, 23, 24, 25])

newarr = np.subtract(arr1, arr2)

print(newarr)

အထက်ဖော်ပြပါ ဥပမာသည် [-10 -1 8 17 26 35] ဖြစ်သည့် 10-20၊ 20-21၊ 30-22 စသည်တို့၏ ရလဒ်အဖြစ် ပြန်သွားပါမည်။



ပွား

လုပ်ဆောင်ချက် သည် multiply()array တစ်ခုမှ တန်ဖိုးများကို အခြား array မှ တန်ဖိုးများနှင့်အတူ မြှောက်ကာ ရလဒ်များကို array အသစ်တစ်ခုတွင် ပြန်ပေးသည်။

ဥပမာ

arr1 တွင်တန်ဖိုးများကို arr2 တွင်တန်ဖိုးများနှင့်အတူမြှောက်ပါ။

import numpy as np

arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([20, 21, 22, 23, 24, 25])

newarr = np.multiply(arr1, arr2)

print(newarr)

အထက်ဖော်ပြပါ ဥပမာသည် 10*20၊ 20*21၊ 30*22 စသည်တို့၏ ရလဒ်ဖြစ်သည့် [200 420 660 920 1200 1500] သို့ ပြန်သွားပါမည်။


ဌာနခွဲ

လုပ်ဆောင်ချက် သည် divide()array တစ်ခုမှ တန်ဖိုးများကို အခြားသော array မှ တန်ဖိုးများဖြင့် ပိုင်းခြားပြီး ရလဒ်များကို array အသစ်တစ်ခုတွင် ပြန်ပေးသည်။

ဥပမာ

arr1 တွင်တန်ဖိုးများကို arr2 တွင်တန်ဖိုးများခွဲပါ။

import numpy as np

arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([3, 5, 10, 8, 2, 33])

newarr = np.divide(arr1, arr2)

print(newarr)

အထက်ဖော်ပြပါ ဥပမာသည် [3.33333333 4. 3. 5. 25. 1.81818182] ဖြစ်သည့် 10/3၊ 20/5, 30/10 စသည်တို့၏ ရလဒ်အဖြစ် ပြန်သွားပါမည်။


ပါဝါ

လုပ်ဆောင်ချက်သည် ပထမ power()array မှ တန်ဖိုးများကို ဒုတိယ array ၏ တန်ဖိုးများအထိ တက်လာပြီး ရလဒ်များကို array အသစ်တစ်ခုတွင် ပြန်ပေးသည်။

ဥပမာ

arr1 ရှိ တန်ဖိုးများကို arr2 ရှိ တန်ဖိုးများ မြှင့်တင်ရန်။

import numpy as np

arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([3, 5, 6, 8, 2, 33])

newarr = np.power(arr1, arr2)

print(newarr)

အထက်ဖော်ပြပါ ဥပမာသည် [1000 3200000 729000000 6553600000000 2500 0] ဖြစ်သည့် 10*10*10၊ 20*20*20*20*20၊ 30*30*30*30*30*30 စသည်တို့၏ ရလဒ်အဖြစ် ပြန်သွားပါမည်။


အကြွင်း

နှစ်ခုလုံး mod()နှင့် remainder()လုပ်ဆောင်ချက်များသည် ပထမအခင်းအကျင်းရှိ တန်ဖိုးများကို ဒုတိယအခင်းအကျင်းရှိ တန်ဖိုးများနှင့် သက်ဆိုင်သည့် အကြွင်းတန်ဖိုးများကို ပြန်ပေးကာ ရလဒ်များကို ခင်းကျင်းအသစ်တစ်ခုတွင် ပြန်ပေးသည်။

ဥပမာ

အကြွင်းကို ပြန်ပေးပါ။

import numpy as np

arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([3, 7, 9, 8, 2, 33])

newarr = np.mod(arr1, arr2)

print(newarr)

အထက်ဖော်ပြပါ ဥပမာသည် (1 6 3 0 0 27) ဖြစ်သည့် 10 ကို 3 (10%3) ၊ 20 နှင့် 7 (20% 7) 30 ဖြင့် 9 (30%9) စသည်တို့ကို ပိုင်းခြားသောအခါ အကြွင်းဖြစ်သည့် [1 6 3 0 0 27] သို့ ပြန်သွားပါမည်။

လုပ်ဆောင်ချက်ကို အသုံးပြုသည့်အခါ တူညီသောရလဒ်ကို သင်ရရှိသည် remainder()-

ဥပမာ

အကြွင်းကို ပြန်ပေးပါ။

import numpy as np

arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([3, 7, 9, 8, 2, 33])

newarr = np.remainder(arr1, arr2)

print(newarr)

Quotient နှင့် Mod

function သည် divmod()quotient နှင့် mod နှစ်ခုလုံးကို ပြန်ပေးသည်။ ပြန်ပေးသည့်တန်ဖိုးသည် အခင်းနှစ်ခုဖြစ်ပြီး၊ ပထမအခင်းတွင် quotient ပါ၀င်ပြီး ဒုတိယအခင်းအကျင်းတွင် mod ပါရှိသည်။

ဥပမာ

quotient နှင့် mod ကို ပြန်ပေးပါ။

import numpy as np

arr1 = np.array([10, 20, 30, 40, 50, 60])
arr2 = np.array([3, 7, 9, 8, 2, 33])

newarr = np.divmod(arr1, arr2)

print(newarr)

အထက်ဖော်ပြပါ ဥပမာသည် ပြန်သွားလိမ့်မည်-
(array([3၊ 2၊ 3၊ 5၊ 25၊ 1])၊ array([1၊ 6၊ 3၊ 0၊ 0၊ 27]))
ပထမ array သည် quotients ကိုကိုယ်စားပြုသည်၊ (the 10 ကို 3 ၊ 20 နှင့် 7 ၊ 30 နှင့် 9 စသည်တို့ကို ပိုင်းခြားသောအခါ ကိန်းပြည့်တန်ဖိုး
သည် တူညီသော ပိုင်းခြားမှုများကို ကိုယ်စားပြုသည်။


အကြွင်းမဲ့တန်ဖိုးများ

absolute()လုပ်ဆောင်ချက်များ နှင့် လုပ်ဆောင်ချက် နှစ်ခုလုံးသည် abs()ပကတိလုပ်ဆောင်ချက်ကို တူညီစွာလုပ်ဆောင်နိုင်သော်လည်း absolute() python ၏ inbuilt နှင့် ရှုပ်ထွေးမှုများကို ရှောင်ရှားရန် အသုံးပြုသင့်သည်။math.abs()

ဥပမာ

quotient နှင့် mod ကို ပြန်ပေးပါ။

import numpy as np

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

newarr = np.absolute(arr)

print(newarr)

အထက်ပါ ဥပမာသည် [1 2 1 2 3 4] သို့ ပြန်သွားပါမည်။