Python NumPy هي مكتبة شهيرة مبنية حول كائن مصفوفة NumPy ، وهو بديل قوي وفعال لقوائم Python القياسية. في هذه المقالة ، سنناقش إحدى الوظائف المفيدة المتوفرة في مكتبة NumPy ، وهي مصفوفة وظيفة. هذه الوظيفة مفيدة بشكل خاص عند العمل مع المصفوفات من حيث تحويل المصفوفات إلى مصفوفات متجاورة ومعالجة هياكل البيانات مثل المجموعات. الغرض الرئيسي من وظيفة مصفوفة متقاربة هو التأكد من تخزين مصفوفة معينة في كتلة متجاورة من الذاكرة.
بادئ ذي بدء ، دعنا نفحص المشكلة المطروحة. لنفترض أن لديك مجموعة تحتوي على بيانات رقمية ، وتريد تحويل هذه المجموعة إلى مصفوفة NumPy مجاورة. هذا هو المكان مصفوفة ستكون الوظيفة مفيدة.
import numpy as np # Sample tuple data = (1, 2, 3, 4, 5) # Using ascontiguousarray to convert tuple to a contiguous array contiguous_array = np.ascontiguousarray(data) print(contiguous_array)
في مقتطف الشفرة أعلاه ، نقوم أولاً باستيراد مكتبة NumPy كـ np. بعد ذلك ، نقوم بإنشاء مجموعة تسمى "البيانات" تحتوي على العناصر العددية من 1 إلى 5. ثم نستخدم مصفوفة وظيفة لتحويل "البيانات" إلى مصفوفة قريبة تسمى "contiguous_array". أخيرًا ، نقوم بطباعة النتيجة ، والتي يجب أن تعرض المصفوفة المجاورة الجديدة.
فهم دالة المصفوفة المتقاربة
• مصفوفة تكون الوظيفة في NumPy مفيدة عندما تريد التأكد من وجود مصفوفة في تخطيط ذاكرة متجاور. هذا مهم لأن تخطيط الذاكرة المتجاورة يساعد على تحسين كفاءة عمليات المصفوفة ، لأنه يتيح استخدام ذاكرة التخزين المؤقت بشكل أفضل ، مما يسمح لمعالج النظام بالوصول إلى البيانات بشكل أسرع.
البنية الأساسية لملف مصفوفة الوظيفة على النحو التالي:
numpy.ascontiguousarray(a, dtype=None)
تقبل الوظيفة وسيطتين: الأولى ('a') هي مصفوفة الإدخال التي يجب تحويلها إلى مصفوفة متجاورة ، والوسيطة الثانية ('dtype') هي معلمة اختيارية تحدد نوع البيانات المطلوب للإخراج مجموعة مصفوفة.
العمل مع المصفوفات متعددة الأبعاد
• مصفوفة يمكن أن تعمل الوظيفة أيضًا بسلاسة مع المصفوفات متعددة الأبعاد. في الواقع ، إنها ذات قيمة خاصة عند العمل مع مصفوفات ذات أبعاد أعلى ، لأنها تضمن إدارة فعالة للذاكرة ووصول أسرع إلى عناصر الصفيف.
فيما يلي مثال على استخدام الامتداد مصفوفة تعمل بقائمة متعددة الأبعاد:
import numpy as np # Multi-dimensional list data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] # Using ascontiguousarray to convert the list to a contiguous array contiguous_array = np.ascontiguousarray(data) print(contiguous_array)
في هذا المثال ، تكون بيانات الإدخال عبارة عن قائمة متعددة الأبعاد تحتوي على قوائم متداخلة. على غرار الحالة السابقة ، فإن ملف مصفوفة يتم استخدام الوظيفة لتحويل هذه البيانات إلى مصفوفة NumPy متجاورة ، ثم يتم طباعتها لعرض النتيجة.
في الختام مصفوفة الوظيفة في مكتبة NumPy هي أداة قيمة للتعامل مع تحويلات الصفيف متعددة الأبعاد والصفيف إلى المصفوفات المتجاورة. إن قدرتها على فرض التخزين الفعال للذاكرة والوصول السريع إلى البيانات تجعلها وظيفة أساسية لأي مبرمج بايثون يعمل مع البيانات الرقمية.
