في هذه المقالة ، سنناقش لغة برمجة Python ، مع التركيز بشكل خاص على مكتبة NumPy وكيفية حذف عمود باستخدام هذه المكتبة. Python هي لغة برمجة متعددة الاستخدامات تستخدم على نطاق واسع لأغراض مختلفة ، بما في ذلك تطوير الويب وتحليل البيانات والذكاء الاصطناعي والمزيد. أحد المكونات الرئيسية لشعبية Python هو مكتباتها العديدة ، مما يجعل عملية الترميز أكثر كفاءة ويسهل التعامل معها. NumPy هي إحدى هذه المكتبات ، وهي مصممة خصيصًا للعمل مع مصفوفات ومصفوفات كبيرة ومتعددة الأبعاد من البيانات الرقمية. في مجال معالجة البيانات ، من الضروري معرفة كيفية حذف الأعمدة من المصفوفة ، لأن هذه خطوة معالجة مسبقة شائعة في العديد من مهام سير العمل.
توفر مكتبة NumPy وظيفة سهلة الاستخدام تسمى "حذف" لتحقيق هذه المهمة. الدالة numpy.delete () قادرة على إزالة عناصر في مصفوفة ، على طول محور محدد. هذا يجعل من السهل علينا حذف عمود من مصفوفة أو مصفوفة ثنائية الأبعاد.
للبدء ، دعنا نستورد مكتبة NumPy وننشئ مصفوفة ثنائية الأبعاد:
import numpy as np
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("Original array:")
print(array)
الآن ، سنستخدم الوظيفة `np.delete ()` لحذف عمود معين من صفيفنا ثنائي الأبعاد:
# Deleting the second column (index 1)
array_modified = np.delete(array, 1, axis=1)
print("nArray with the second column deleted:")
print(array_modified)
شرح وظيفة np.delete ()
تأخذ الدالة np.delete () ثلاث وسائط رئيسية: مصفوفة الإدخال ، وفهرس العنصر أو العمود المراد حذفه ، والمحور الذي سيتم حذفه على طوله. تعتبر معلمة المحور حاسمة في هذه الحالة لأننا نريد حذف العمود ، وليس مجرد عنصر. من خلال ضبط المحور = 1 ، فإننا نخبر الوظيفة بالحذف على طول محور العمود. إذا أردنا تعيين المحور = 0 ، فسيتم حذف الوظيفة على طول محور الصف.
لاحظ أن الدالة np.delete () لا تقوم بتعديل الصفيف الأصلي في مكانه. بدلاً من ذلك ، تقوم بإرجاع صفيف معدل جديد ، وهو أمر ضروري عندما تريد الاحتفاظ بالبيانات الأصلية في سير عملك.
تصفح مكتبة NumPy
تحتوي مكتبة NumPy على مجموعة متنوعة من التقنيات والوظائف للتعامل مع المصفوفات الكبيرة ومتعددة الأبعاد ومصفوفات البيانات الرقمية. تتضمن العديد من الوظائف الشائعة "إعادة الشكل" و "التسلسل" و "الانقسام" وغير ذلك الكثير. NumPy هي الحزمة الأساسية للحوسبة الرياضية والعلمية باستخدام Python نظرًا لهياكل البيانات الفعالة وسهلة الاستخدام.
يعد فهم طريقة NumPy في التعامل مع المصفوفات ومعالجة البيانات خطوة أساسية لكل عالم بيانات أو متحمس للتعلم الآلي. بالإضافة إلى ذلك ، يمكن أن يكون استيعاب مفهوم حذف الأعمدة وتعديلها في مصفوفات NumPy مفيدًا في التعامل مع المعالجة المسبقة للبيانات واسعة النطاق ، حيث إن حذف الأعمدة غير ذات الصلة أو غير الضرورية يمكن أن يحسن بشكل كبير وقت المعالجة ويجعل البيانات أسهل في التحليل.
