इस लेख में मैं कई Numpy फ़ंक्शन के बारे में बात करना चाहता हूं जो मैं हर समय डेटा का विश्लेषण करने के लिए उपयोग करता हूं। यह बिना किसी विस्तृत सूची के है, लेकिन मुझे लगता है कि जिन टूल पर चर्चा की जाएगी, वे बिना किसी अपवाद के सभी के लिए उपयोगी होंगे।

एक नए कार्य का सामना करते हुए, मैंने बार-बार सोचा: "यह एक विशेष रूप से विशिष्ट चीज है, इसके लिए शायद ही कोई अंतर्निहित कार्य है।" Numpy के मामले में, अधिक बार मैं सही से गलत था।

लेकिन चलिए मुद्दे पर आते हैं। एकमात्र आयात लाइन हमें चाहिए:

कहाँ ()

जहाँ () फ़ंक्शन एक निश्चित स्थिति को संतुष्ट करने वाले तत्वों को लौटाएगा। आइए एक उदाहरण देखें।

रेटिंग ( मनमानी ) की एक सूची बनाएँ:

अब आप अनुमान लगा सकते हैं कि कहां () 3 से बड़े अनुमानों को कहते हैं:

कृपया ध्यान दें कि खोजे गए आइटम के अनुक्रमित वापस आ गए हैं।

लेकिन यह, ज़ाहिर है, सभी नहीं है, फ़ंक्शन दो वैकल्पिक पैरामीटर ले सकता है:

• पहले उन मूल्यों को प्रतिस्थापित करेगा जो शर्त को पूरा करते हैं
• दूसरा उन मूल्यों के लिए करेगा जो शर्त को पूरा नहीं करते हैं

चूंकि लेख संक्षिप्त करने का इरादा है, हम इस पर ध्यान केन्द्रित करेंगे।

argmin (), argmax (), argsort ()

Argmin () फ़ंक्शन न्यूनतम मान का सूचकांक लौटाता है। उन रेटिंगों की एक ही सरणी के लिए जिसका हमने ऊपर उपयोग किया था, परिणाम होगा:

argmax () , जैसा कि आपने शायद अनुमान लगाया था, ठीक इसके विपरीत करता है - अधिकतम तत्व का सूचकांक लौटाता है:

ट्रिनिटी argsort के अंतिम () सरणी के सॉर्ट किए गए तत्वों के अनुक्रमित की सूची लौटाएगा। इसके बारे में मत भूलना: जब आपको इसकी आवश्यकता होगी तो आप बड़ी संख्या में परिस्थितियों का सामना करेंगे।

intersect1d ()

Intersect1d () फ़ंक्शन दो सरणियों के प्रतिच्छेदन को लौटाएगा, अर्थात। अद्वितीय तत्व जो दोनों में पाए जाते हैं। पिछले उदाहरणों के विपरीत, यह सूचकांकों को नहीं, बल्कि स्वयं मूल्यों को लौटाएगा।

दो सरणियाँ बनाएँ:

सामान्य तत्वों का पता लगाएं:

ऑलक्लोज़ ()

अंत में, ऑलक्लोज़ () फ़ंक्शन पर विचार करें। यदि यह दो सरणियों के तत्वों को सहिष्णुता के बराबर है तो यह सही लौटेगा। फिर, आपको पता नहीं है कि डेटा के साथ काम करते समय इसकी कितनी बार आवश्यकता होती है।

हम दो सरणियों की घोषणा करेंगे, जिनके संबंधित तत्वों के बीच का अंतर 0.2 से अधिक नहीं है:

0.1 की सहिष्णुता के साथ अलक्लोज़ () फ़ंक्शन को गलत लौटना चाहिए:

सरणियों की अनुमानित समानता प्राप्त करने के लिए सहिष्णुता को 0.2 तक बढ़ाएं:

बिदाई शब्द

पहिया के आविष्कार के लिए दोषी ठहराए जाने के समय ( और है ) की संख्या की गिनती न करें। अक्सर हम सोचते हैं कि हमारी समस्या अद्वितीय है, और किसी ने इसे हल करने के लिए एक उपकरण बनाने का अनुमान नहीं लगाया। कभी-कभी यह सच होता है, लेकिन अक्सर आप अंतिम बेवकूफ की तरह महसूस करते हैं, जो कि पहले से ही बहुत समय बिताने के बजाय एक सुविधाजनक मानक फ़ंक्शन ढूंढ रहा है।

इस समय में से कुछ खर्च करना बेहतर है, लोकप्रिय पुस्तकालयों की संभावनाओं की खोज करना, क्योंकि यह उनके लिए धन्यवाद था कि पुस्तकालय लोकप्रिय हो गए।

पढ़ने के लिए धन्यवाद।