Sissejuhatus
Python on mitmekülgne ja laialdaselt kasutatav programmeerimiskeel erinevates valdkondades, sealhulgas andmeanalüüsis, tehisintellektis ja veebiarenduses. Pythonis suuremahuliste andmete käsitlemise üks olulisi teeke on tuim. NumPy pakub võimsat N-mõõtmelist massiiviobjekti, mis võimaldab meil hõlpsalt sooritada keerulisi matemaatilisi toiminguid. Üks andmeanalüüsi kriitilisi toiminguid on jagatud funktsioon, mida kasutatakse andmete jagamiseks väiksemateks osadeks edasiseks analüüsiks. Selles artiklis käsitleme NumPy poolitusfunktsiooni süntaksit ja kasutamist, pakkudes praktilist lahendust, samm-sammult selgitust ning arutledes seotud teekide ja funktsioonide üle.
Probleemi lahendus:
Oletame, et meil on moeetendusest genereeritud andmestik ja soovime analüüsida erinevaid stiile, trende ja värvikombinatsioone. Meie eesmärk on jagada see andmestik edasiseks analüüsiks väiksemateks tükkideks. Selle saavutamiseks kasutame NumPy poolitusfunktsioon.
import numpy as np
# Sample data (styles, trends, and colors)
data = np.array([["Bohemian", "Oversized", "Earthy"],
["Minimalist", "Tailored", "Monochrome"],
["Classic", "Simple", "Neutrals"],
["Romantic", "Flowy", "Pastels"]])
# Split the data into 2 equal parts using NumPy split function
split_data = np.split(data, 2)
Koodi samm-sammult selgitus:
1. Alustame sellest NumPy teegi importimine, mis pakub meile vajalikke funktsioone suuremahuliste andmete käsitlemiseks.
2. Seejärel loome a näidisandmekogum erinevate moe stiilide, trendide ja värvilahendustega. See andmestik on 2D NumPy massiiv.
3. Lõpuks, kasutades NumPy poolitusfunktsioon, jagame andmekogumi kaheks võrdseks osaks. Muutuja „split_data” sisaldab nüüd kahte väiksemat massiivi, millest igaühel on pool algsest andmekogumist.
NumPy ja selle jagatud funktsiooni mõistmine
NumPy, lühend sõnadest Numeric Python, on Pythonis numbriliste toimingute tegemiseks hädavajalik raamatukogu. Seda tunnustatakse laialdaselt oma tõhus N-mõõtmeline massiiviobjekt, mis on võimas tööriist teaduslikuks andmetöötluseks ja andmete analüüsimiseks.
. NumPy poolitus funktsiooni kasutatakse sisendmassiivi jagamiseks mitmeks väiksemaks massiiviks piki määratud telge. See funktsioon võib olla kasulik suurte andmekogumite jagamisel väiksemateks, paremini hallatavateks osadeks, muutes seega lihtsamaks konkreetsete andmete analüüsimise.
Muud NumPy funktsioonid andmete töötlemiseks
Lisaks split-funktsioonile pakub NumPy ka mitmeid muid funktsioone andmetega manipuleerimiseks, näiteks:
- ümber kujundada: Seda funktsiooni kasutatakse antud massiivi kuju muutmiseks ilma alusandmeid muutmata. Seda saab kasutada ühemõõtmelise massiivi teisendamiseks kahemõõtmeliseks massiiviks või vastupidi.
- liita: Seda funktsiooni kasutatakse kahe või enama massiivi liitmiseks piki määratud telge. See võib olla abiks erinevatest allikatest pärit andmete kombineerimisel.
- hstack: Seda funktsiooni kasutatakse massiivide virnastamiseks horisontaalselt (veergude kaupa) piki ühte telge. See on kasulik veergude lisamiseks olemasolevale massiivile või uue massiivi loomiseks, ühendades mitu massiivi kõrvuti.
- vstack: Sarnaselt hstackile kasutatakse seda funktsiooni massiivide vertikaalseks virnastamiseks (ridade kaupa) piki ühte telge. See on kasulik ridade lisamiseks olemasolevasse massiivi või uue massiivi loomiseks, ühendades mitu massiivi üksteise peale.
Kokkuvõtteks: NumPy poolitusfunktsioon on Pythonis suuremahuliste andmete käsitlemise oluline tööriist. Andmestiku väiksemateks tükkideks jagades saame tõhusalt analüüsida konkreetseid andmete alamhulki ja hankida väärtuslikke teadmisi. Lisaks aitab NumPy seotud funktsioonide ja teekide mõistmine veelgi parandada meie andmetega manipuleerimise võimalusi Pythonis.
